基于智能体从应用行为到原生二进制逆向工程工具
该工具提出用智能体统一完成从应用行为观察到原生二进制分析的逆向工程流程，把以往分散在动态追踪、反汇编、符号恢复等环节的工作串成一条链。其价值在于降低跨层逆向的上下文切换成本，并让上层行为证据能直接驱动底层二进制理解。
01 DAILY RESEARCH SIGNALS / 2026-10-09
把市场噪声
压缩成可研究的信号。
聚合量化论文、开源项目与 AI 工程进展。每条信号经过筛选、排序与结构化，帮助研究者更快抵达真正重要的信息。
浏览今日信号 ↓
全部数据源检查完成，管线运行正常
02 CURATED INDEX
历史信号库
按内容类型浏览，或直接搜索标题与标签。
INDEXED 15
01 / REP
GitHub
SELECTED SIGNALS 03
面向 AI 编程工具的编辑级图表设计资源
该项目为 Claude Code、Codex、GitHub Copilot、Factory Droid 和 Pi 等 AI 编程工具提供编辑级图表设计，涵盖 42 种图表类型，输出为自包含的 HTML 与 SVG，并明确拒绝阴影效果与 Mermaid 式粗糙渲染。新意在把图表设计规范直接嵌入 AI 编码工作流，有用之处在于输出可控、自包含、视觉一致性更强。
阿里开源混合架构代码审查工具
阿里开源了一款代码审查工具，采用确定性流水线加LLM Agent的混合架构。它的新意在于将规则化审查与语言模型能力结合，在阿里内部大规模使用验证，并支持OpenAI与Anthropic兼容接口。对需要自动化代码审查的团队而言，它提供了内置多语言规则集和精确到行的评论能力。
02 / PPR
论文
SELECTED SIGNALS 12
Wasserstein 模糊集下多期均值-期望分位组合优化重构与退化
本文针对期望分位（expectile）在 Wasserstein 模糊集下缺乏 Rockafellar-Uryasev 表示的问题，提出最坏情况期望分位的包络定理，将其刻画为两段仿射被积函数最坏期望的唯一根，从而可直接应用标准 Wasserstein 对偶。基于此，将多期三层均值-期望分位组合问题重构为四个带约束的参数线性规划，并揭示模型四个结构性质。该框架为期望分位风险度量在分布鲁棒优化中的可处理性提供了新路径。
排序先验对齐：信用风险冷启动的模型无关外部正则化框架
该研究提出排序先验对齐框架，将专家、教师模型或大语言模型提供的外部排序先验通过温度缩放的KL散度损失蒸馏到任意评分模型中，以缓解冷启动信用评分中标注稀缺、特征薄弱和模型容量受限的问题。其新意在于模型无关、推理时无需外部模型，并明确了收益随数据量、模型容量和特征质量下降而增大的逆缩放规律，有助于从业者判断何时值得投入先验标注。
LLM引导分块特征工程将长文本转为可执行特征程序
该工作提出LLM-BlockFE框架，把长文本离线构造为可执行的特征程序，使在线推理阶段无需调用大语言模型。其价值在于兼顾长文本信息利用与工业风险控制的部署效率，并在公开与私有数据集上取得AUC提升。
量子神经网络配置的大规模基准测试：金融时间序列预测
该研究针对金融时间序列预测任务，系统评估了量子神经网络（QNN）的不同组件配置。新之处在于将QNN配置的网格搜索从分类扩展到回归预测，并以英镑/美元汇率为案例，测试了1368种配置组合。其有用性体现在为QNN架构设计提供实证指导，并量化了真实量子硬件噪声对预测性能的影响。
部分信息下最优交易的深度强化学习
该研究将隐状态交易信号建模为带区制转换参数的OU过程，并构建部分可观测马尔可夫决策问题。新意在于比较三种结合循环神经网络与强化学习的方法，发现向智能体提供后验区制概率估计能提升累计奖励并增强策略可解释性。
基于投票熵的不确定性预算分配提升大模型推理采样效率
该研究提出不确定性感知预算分配（UAB），用初始采样答案的投票熵作为难度信号，在固定采样预算下将更多生成次数分配给答案分歧大的问题。相比均匀分配，它在五个开源模型和五个推理基准上平均准确率提升2.3%，单基准最高提升5.5%，尤其在低资源模型上收益最大，且不增加额外模型调用。
AI智能体在对抗性游戏中通过启发式学习提升策略排名
新研究形式化对抗性启发式学习（AHL），用AI智能体在固定模型权重下迭代改写游戏策略与配套软件，并在12款真实对抗游戏与1920份人类程序构成的AAArena基准上评估。新意在于把智能体当作学习引擎而非仅靠强化学习，有用之处是揭示对手选择与密集反馈可促进策略改进，但仍有半数游戏人类阶梯未被超越。
二手电子产品多期价格预测：深度学习与统计模型系统基准
首次在二手电子产品领域建立多周期价格预测基准，覆盖11种统计与深度学习模型，在1至365天六个预测步长上评估。发现N-BEATS在长期预测中显著优于统计基线，且单一模型可跨周期泛化，为订阅平台定价提供方法参照。
Solana迷因币自动交易：15天部署中小时级风险管理的测量证据与设计教训
本文报告了在Solana去中心化交易所上进行的15天纸面自动迷因币交易部署，旨在测量三个微观结构问题：全天候场所的日内收益模式、决策时过滤器相对被拒绝代币反事实收益的净贡献，以及重尾场所上小样本累计收益统计的稳健性。其主要新意在于提供了公开的测量基础设施和可复现脚本，并提炼出三条可迁移的设计教训，而非提供投资策略。
OOM-RL II：现实是结果预言机而非调试器——持续演化智能体工程系统中的溯源约束诊断
该研究基于一个持续演化的人类指导、智能体工程化的量化交易系统，区分了结果证据、被评估对象身份与因果解释三类主张，指出外部反馈只能约束结果主张，诊断分辨率取决于溯源信息与额外识别结构；所提前瞻性绑定协议尚未实际验证。
RED-2400：算法拒绝交易事件的公开基准数据集
该数据集公开了来自Solana去中心化交易所过滤栈的6,660个算法拒绝交易事件，覆盖22天连续观测，包含169,123条前向结果观测和1,837条生命周期快照。新在于提供了拒绝事件的拒绝后价格与流动性样本序列，并附有生命周期跟踪，但无结果标签列，可用于研究过滤器的拒绝决策与后续市场行为的关系。
Delphos：用强化学习辅助离散选择模型设定
该工作将离散选择模型的设定过程形式化为序贯决策问题，并用深度Q网络学习候选模型的构建策略。其新意在于以可定制的奖励函数引导模型探索，从而减少人工反复试错的成本，并为自动化模型设定提供可检验的路径。