TradingAgents v0.7.0 支持 ChatGPT 订阅与回测校准修复
该版本新增通过 ChatGPT Plus 或 Pro 订阅运行 TradingAgents 的提供方选项，并附带登录与登出命令；同时在交互式 CLI 启动时提示新版本，并为每个 GitHub Release 附带 wheel 便于 pip 安装。它还修正了回测与记忆日志中决策被打分的时间点，避免使用决策日收盘后发布的新闻。
01 DAILY RESEARCH SIGNALS / 2026-10-17
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 04
开源编码智能体 opencode 登上 GitHub 日榜
该条目显示 anomalyco/opencode 作为开源编码智能体在 GitHub 趋势日榜受到关注，新意在于以开源形式提供编码智能体项目；对关注 AI 编程工具的开发者有用，可作为了解或评估该类工具的入口。
本地运行求职框架：用 AI 评估职位与定制材料
该 GitHub 项目发布一个在本地机器上运行的 AI 求职申请框架，基于 Claude Code 实现职位评估、简历定制、求职信撰写和面试准备。其价值在于用户可 fork 并拥有整个流程，减少对外部服务的依赖。
开源 AI Memory 项目尝试解决智能体长期记忆与跨厂商交接
该项目在 GitHub 日榜出现，定位是为智能体编程 CLI 提供长期记忆，并促进不同智能体厂商之间的任务交接。其新意在于把记忆与交接作为独立组件处理，而非绑定单一智能体产品；潜在价值是降低切换工具时的上下文丢失成本。
02 / PPR
论文
SELECTED SIGNALS 11
DeepUnfolding Agent：将深度展开自适应控制外置为API服务
该工作把深度展开自适应控制逻辑从训练脚本中解耦，封装为基于FastAPI的独立服务，使外部执行器可通过策略注册与轮级反馈调用控制器。其价值在于提升异构优化流程的可复用性、可追溯性与跨执行环境可比性，并覆盖经典、量子感知、混合及IBM量子硬件等多种执行路径。
时间分区高斯过程混合模型识别时间序列持续状态
提出TPGPMM贝叶斯非参数框架，结合Pitman-Yor先验与状态特定高斯过程，自适应划分连续时间段以识别持续状态并建模非平稳依赖，无需马尔可夫假设。模拟验证状态恢复，应用于VIX和美债收益率识别与市场事件对齐的状态。
System1-Arena：哪些决策可交给单次前向系统1模型
新在提出统一概率评分基准，覆盖105项任务与138个闭环环境，直接比较系统1模型、开放LLM与闭源LLM的决策能力；有用在揭示非智能体场景下系统1可替代快速LLM，而闭环控制仍需大模型。
知识图谱即文件：工具创建与使用共演化的智能体框架
提出直接知识图谱交互（DKGI）框架，让语言模型智能体在完整节点与边文件上直接编写和修改图访问工具，使工具创建与工具使用在搜索过程中协同演化。这突破了预定义图接口对证据访问范围的限制，为文本丰富知识图谱的检索提供了更灵活、可扩展的新思路。
ARIA：多智能体运行时检查与修复框架
该研究提出ARIA框架，首次构建大规模失败-修复配对数据集，并训练紧凑模型在LLM多智能体系统运行时检测错误并执行已验证的修复，避免错误传播导致任务失败。
Schwartz双因子模型下美式商品期权ADE定价
该研究将双扫描交替方向显式（ADE）方法用于Schwartz双因子模型的美式商品期权定价，并与Saul'yev单扫描变体对比；其价值在于提供一种对扩散项无条件稳定、兼具显式推进效率的有限差分方案，并拓展至期货价格行权和季节性参数。
加密协议可验证性折价：模糊性与旋转门挤兑模型
该研究提出“可验证性折价”概念，刻画隐私协议修复漏洞后仍无法确证历史是否被利用所导致的价值减损；通过旋转门模型与VDISC框架，结合Orchard等事件，分析市场对可验证性缺口的反应方向。
抵押品货币选择对差异互换估值与对冲的影响
本文将抵押品货币从合约现金流货币中解耦，在LIBOR向RFR过渡背景下，为参考后顾型隔夜利率均值的差异互换（含SOFR互换特例）推导显式定价与对冲策略，揭示抵押品货币通过贴现调整和支付日权重对估值与风险管理产生非平凡影响。
LLM财务预测：动量与评论语调影响超预期收益
该研究通过合成财报公告，独立操控20日动量、评论语调及实际每股收益是否超出操纵后的共识预期，向六个不同规模和家族的指令/聊天检查点模型各提供2,016条提示。新在于系统识别语言模型财务预测的输入依赖，有助于理解模型输出对非基本面信息的敏感性。
Q学习定价代理的算法合谋未必依赖惩罚机制
该研究复现经典双寡头Q学习定价实验后，在冻结策略上检验惩罚机制，发现高价合谋可由单一吸引域解释，而非选择性报复。其价值在于修正了对算法合谋检测标准的解读。
外部比例交易成本下的损失与再平衡研究
该研究在自动化做市商流动性提供中引入外部市场比例交易成本，分别考察费用单收与留存于储备两种机制，并以持有相同总风险库存、按外部买卖价交易的自融资策略为基准，重新界定损失与再平衡。其有用性在于说明在连续外部价格与纯套利条件下，只要池费或外部价差为正，池与基准的清算财富一致，损失与再平衡为零。