继 GIM 团队获得千万元天使轮融资后，我们团队再获佳讯：由团队 Co-Founder 刘琦博士以及刘丰源主导的论文 Cognitive Alpha Mining via LLM-Driven Code-Based Evolution（下称 CogAlpha），从 12,148 篇论文中脱颖而出，被 ACL 2026 主会刊接收，并获 Senior Area Chair（SAC）推荐为 Oral 报告。
ACL（Association for Computational Linguistics）是自然语言处理领域的顶级会议，CCF A 类。2026 年 ACL 主会刊录取率 19%¹，投稿方以高校和科技公司 AI Lab 为主——Google DeepMind、Meta FAIR、微软研究院、清华、北大、CMU 是常见面孔。
而一家初创团队的研究论文出现在 ACL 主会刊上，并不多见。
CogAlpha 试图解决的问题是：让 AI 自动发现投资因子。
在量化投资中，因子（Factor）是用来预测资产收益的变量。传统的因子发现靠研究员的经验——基于对市场的理解手工构建数学表达式，回测，调参，再回测。这套流程用了几十年，瓶颈也很明显：因子能做多好、能做多少，取决于人的经验和直觉能走多远。
CogAlpha 的做法不是给大模型一个 prompt 让它生成因子，然后人工筛选。它搭建了一整套 Agent 系统，让 LLM 充当多个角色，自动完成从生成、验证到自我进化的全流程。
21 个 Agent，七个层级
论文设计了 21 个专业化 Agent，按从宏观到微观的逻辑分成七层：
第一层看市场周期和波动率状态，第二层捕捉尾部风险和崩盘前兆，第三层分析价量互动和流动性，第四层做趋势和反转判断，第五层衡量多尺度复杂度，第六层做稳定性评估和信号门控，第七层处理 K 线几何形态和多因子融合。
每个 Agent 独立生成因子代码，经过一个四 Agent 质检组（Judge Agent、Logic Improvement Agent、Code Quality Agent、Code Repair Agent）审查，只有通过语法检查、逻辑审查和信息泄露检测的因子才能进入候选池。
会自己进化的因子工厂
这套系统最核心的部分不是生成，而是进化。
论文设计了一个 Thinking Evolution 机制：所有通过质检的因子进入进化池，由两个专门的 Agent 负责——Mutation Agent 对现有因子做小幅修改（比如换个时间窗口、加一个变换函数），Crossover Agent 把两个因子的逻辑组合成新因子。每轮进化之后，新因子再走一遍质检，表现差的被淘汰，表现好的留下来继续参与下一轮。
每一代进化中，系统还会挑出表现最好的两个因子和最差的两个因子，分析它们为什么好、为什么差，把这些结论注入下一轮生成的 prompt 里。换句话说，Agent 不只是在盲目搜索，它在从自己的成功和失败中学习。
整个过程跑 24 代，每 8 代重启一次，每个 Agent 发起三轮独立的进化搜索。一个因子从初始版本到最终版本，可能经历几十次变异和交叉。
论文给了一个具体例子：一个测量流动性冲击的因子，初始 IC 只有 0.0090。变异产生的一个版本用全日价格区间替代收盘价差，IC 反而掉到 0.0073，被淘汰。但经过多轮进化，最终版本改用绝对价格变动除以成交额、再加 tanh 变换做有界处理，IC 提升到 0.0141——提升了 56%。
结果
回测在 A 股 CSI 300 成分股上进行，时间跨度 2011—2024 年，已扣除交易成本。最终结果：IC 0.0591，IR 1.8999，显著优于 LightGBM（IC 0.0269，IR 1.0980）等传统机器学习基线。
消融实验也印证了这套 Agent 架构的价值：从单层 Agent 到完整七层加进化系统，IC 从 0.0300 提升至 0.0591，几乎翻倍。
GIM 创始人徐嘉浩认为：“市场上有不少用 LLM 生成因子的尝试，但大多停留在‘让模型写一个公式’的层面。CogAlpha 做的事情不同——它让 21 个 Agent 组成一条完整的研究流水线，从生成到质检到自我进化，不依赖人工干预。”
过去几年，AI 在金融领域的研究论文主要发表在金融工程或量化交易的专门会议上。一家投资机构的研究成果进入 NLP 顶会的主会刊，说明智能体驱动的投资研究已经具备了足够的学术深度。
对 GIM 而言，CogAlpha 验证的是其“模型 + Agent”架构中因子生成层的能力。GIM 的技术路线是“一个模型 + 多个 Agent + 一套基础设施”。CogAlpha 证明，LLM 加 Agent 的组合可以自动产出高质量的投资因子。接下来要做的，是把它接入完整的生产系统，在真实交易环境里跑起来。
资料来源
数据来源：ACL Anthology（https://aclanthology.org/）。
论文：Cognitive Alpha Mining via LLM-Driven Code-Based Evolution（Liu et al., ACL 2026 Main Conference），arXiv: 2511.18850。
本文基于 GIM 团队对资管行业的技术观察与思考。文中观点不代表投资建议。