arxiv.org·2026/10/23
针对LLM智能体在不可逆且输入不受信的Web内容下自主投资、又不能在自我改进中削弱安全护栏的问题，Steward以九个角色化智能体联合决策：四分析师读取新闻、SEC文件、宏观序列和市场数据并输出类型化报告，Portfolio Manager据此和代码组装的七层共享记忆设定目标仓位，Risk Manager审计；订单算术、阻断风险规则和纪律提示构成不可自编辑的不变核心。自进化分两级：每晚代码评分写入记忆，每季Meta Reflector提出类型化提示学习，经可逆gate和replay验证。作者报告五个月102个交易日实盘收益**+5.0%（SPY +12.4%），将半导体板块24.6%回撤控制为0.3%损失**；回放中单模型五日跑输而联合设计无显著损失，注入指令未被遵循，引用数字几乎全部有据可查。代码、提示与回放脚本开源；局限为单一纸面账户与上升行情窗口。
为什么重要 用类型系统给自进化划安全边界、代码评分信号、廉价重放验证，是自改写 agent 治理的可复用工程范式，代码与 trace 开源。适合 做多智能体编排、agent 安全与自进化闭环的工程师和研究者
在实时 Web 数据上行动的 LLM 智能体必须整合异构证据、记住自己做过什么，并在不削弱自身安全防护的前提下从结果中改进。我们在自主投资中研究这一问题，其中每个动作都不可逆，并且基于不受信任的 Web 内容。我们提出 Steward，一个多智能体 LLM 系统，它在类型系统中划定自进化的边界。
首先，9 个角色专业化智能体共同决策：四个分析师阅读新闻源、SEC 文件、宏观经济序列和市场数据，并生成类型化报告；投资组合经理根据这些报告设定目标仓位，受保护的风险经理进行审计。其次，一个由系统自身记录中的代码组装的 7 层共享记忆，为每项决策提供其仓位语境、市场叙事、校准和智能体过去的决策。
第三，系统通过回顾来自我改进：代码每晚为每笔交易和预测打分，并将分数写入记忆；每个季度，reflector 提出提示学习，由确定性门控以可逆方式应用，并由已记录输入的回放进行验证。这三者都围绕一个不变核心运行，该核心包含订单算术、风险规则和纪律智能体提示，任何自我编辑都无法触及。
在 5 个月的实盘部署（102 个交易日，1,632 次 LLM 调用）中，系统将 24.6% 的板块回撤控制在 0.3% 的损失；在对其已记录输入的回放中，给定相同原始数据的单一模型交易更多，并在 5 天内相对市场损失了 1.35 个点，而联合设计没有出现显著损失，且没有执行任何注入的指令；一个 2015–2026 回测显示，仅核心就在全部 50 个随机入场策略下降低了最大回撤。reflector 将主要失败追踪到根本原因，门控应用了一项学习，智能体在触发夜晚采纳了该学习，而在对照夜晚没有采纳。代码：https://github.com/yebof/quant-agent
LLM agents that act on live Web data must combine heterogeneous evidence, remember what they have done and improve from outcomes without weakening their own safeguards.
We study this problem in autonomous investing, where every action is irreversible and based on untrusted Web content.
We present Steward, a multi-agent LLM system that draws the boundary of self-evolution in its type system.
First, nine role-specialised agents decide jointly: four analysts read news feeds, SEC filings, macroeconomic series and market data and emit typed reports, from which a Portfolio Manager sets target positions that a protected Risk Manager audits.
Second, a seven-layer shared memory, assembled by code from the system's own record, gives each decision its position context, the market narrative, calibration and the agent's past decisions.
Third, the system improves itself by review: code grades every trade and forecast nightly and writes the grades into memory, and each quarter a reflector proposes prompt learnings that a deterministic gate applies reversibly and replay of recorded inputs verifies.
All three operate around an invariant core of order arithmetic, risk rules and discipline-agent prompts that no self-edit can reach.
In a five-month live deployment (102 trading days, 1,632 LLM calls), the system contained a 24.6% sector drawdown to a 0.3% loss; in replay of its recorded inputs, a single model given the same raw data traded more and lost 1.35 points against the market over five days where the joint design showed no significant loss, and no injected instruction was followed; and a 2015-2026 backtest shows the core alone lowering the maximum drawdown under all 50 random entry policies.
The reflector traced the dominant failure to its root cause, and the gate applied a learning that the agent adopted on trigger evenings and on no control evening.
交易日
2026-04-08 至 09-10
LLM 调用
95% 含完整输入
API 成本
约 $4.4/交易日
往返交易
另 492 单 746 成交
初始资金
券商 paper 账户
注释 · paper 成交按实时报价模拟：价格、时序、拒单真实，市场冲击不计出自 §5.1
注释 · RM 使 Sharpe 2.33 vs 1.80；实盘敞口 56% vs 意图 79%，beta 0.16出自 表 1
EVIDENCE / METHODS
表格
单模型更冲动更亏：20 日超额 −0.8pp，部署设计与市场无显著差
| 决策层 | 每晨标的 | 新仓占权益 | 5日超额pp | 20日超额pp |
|---|---|---|---|---|
| 部署设计 | 3.7 | 19% | −0.5 ± 0.9 | +1.3 ± 2.9 |
| 无共享记忆 | 3.5 | 19% | −0.4 ± 0.8 | +0.8 ± 2.5 |
| 单智能体·原始数据 | 5.8 | 41% | −1.3 ± 0.4 | −0.8 ± 0.9 |
注释 · 重放 20 个早晨、100 次调用；去记忆层单日差异小，记忆价值在纵向出自 表 2
原版排版与图表 · 手机无法内嵌时可在浏览器打开。PDF 插件内选文不能传给网页助手。