在 SysTradeBench 上,顶尖模型生成有效交易系统代码的比例超过 91.7%,而作者的结论是人的监督仍不可或缺

事件日期 / 报道日期

2026-04-06

证据阶段

技术能力演示、评测或论文表明技术上能做。它更新的是「技术能力」,不是「企业会怎么做」。

关联任务

回测与量化代码

编写和维护模型与回测的代码,并正确计算表现与风险指标。

正在被增强✓ 有证据支撑

适用范围

这是一项基准:在 12 个策略上测试 17 个模型,把策略规格转成交易系统代码并反复迭代。摘要报告:顶尖模型的有效性超过 91.7%,综合得分很高;迭代也会让代码趋同;对于需要方案多样性和组合稳健性的关键策略,人的监督仍不可或缺。它是基准,不是生产工作。

这意味着什么

把写好的策略变成能运行的代码,模型大体上已经做得到;连它们的评测者都留给人的,是判断该信任哪些策略。

还不能说明什么

这是基准;没有测量真实的研究工作。

你可以核实什么

打开 arXiv 2604.04812(SysTradeBench),找到 "validity above 91.7 percent"。

是否改变评估

否 —— 这个阶段本身也不移动评估。「技术能力」是真实的证据,但它不单独提升任务判断的层级。上面 1 项关联判断维持原状。

来源

一手来源 —— 由做这件事的当事人或记录的权威机构发布,无需联署。