谱系感知搜索控制提升LLM进化因子挖掘多样性与预测力

01 摘要

事实：作者提出LineageEvo，在LLM-based进化因子挖掘中引入谱系级搜索控制，包括谱系条件化的LLM变异和谱系分层的搜索预算分配，并在CSI 500与S&P 500上评估因子预测性、组合表现、搜索效率及谱系/表达式多样性。作者观点：谱系可作为控制LLM进化因子搜索的有效中间单元，使语义变异更有方向性并避免分支过度集中。结果报告LineageEvo在两个市场取得最强预测表现，且LSPS带来更均衡的谱系分布和结构更广的因子池。

02 关键点

1. 谱系条件化LLM变异将谱系范围搜索经验蒸馏为算子特定先验，并与全局先验融合，为生成提供持续且与谱系相关的引导。
2. 谱系分层搜索分配在进化中按谱系分配预算，平衡因子质量与谱系集中度，防止单一分支主导。
3. 在CSI 500和S&P 500上，LineageEvo报告最强预测表现，LSPS产生更均衡谱系分布和结构更广的因子池。