LineageEvo：用谱系控制LLM进化因子挖掘

论文用谱系级控制引导LLM进化因子搜索，提升预测与多样性。

资讯摘要

论文提出LineageEvo，针对LLM驱动的进化因子挖掘中搜索方向弱、因子结构趋同的问题，引入谱系级搜索控制：一是谱系条件化的LLM变异，将谱系范围内的搜索经验蒸馏为算子先验并与全局先验融合；二是谱系分层搜索分配，在进化中按谱系分配预算以平衡因子质量与谱系集中度。作者报告在CSI 500和S&P 500上预测表现最强，LSPS使谱系分布更均衡、因子池结构更广。

要点速读

1. 论文指出传统LLM-EA范式主要在个体和种群层面组织搜索，谱系级控制利用不足。
2. LineageEvo包含谱系条件化LLM变异与谱系分层搜索分配两种耦合机制。
3. 作者报告在CSI 500和S&P 500上取得最强预测表现，LSPS带来更均衡的谱系分布和更广的因子池。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/23 08:00:11（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。