# EvolveTrade 在每個交易區間後重寫交易代理的系統提示

EvolveTrade 論文把交易代理的系統提示視為其策略，並由另一個 Policy Agent 在每個區間後，根據決策軌跡和已實現回報重寫該提示，骨幹模型則保持凍結。論文報告，在多種市場狀態和兩個骨幹模型下，該方法在大多數設定中的夏普比率和累計回報高於固定提示基線。

Language: zh-HK
Time zone: Asia/Hong_Kong
Current time (UTC, cached as of): 2026-11-10T07:42:00.000Z
Query date (Asia/Hong_Kong): 2026-11-10

HTML: https://didcodexreset.com/zh-hk/news/09f5b5746edf48d98c9d16c3.html

Content language: zh-HK
Localization state: translated

來源：DAIR.AI · 發布於 23/9/2026 00:52:27

[EvolveTrade 論文](https://academy.dair.ai/papers/evolvetrade-experience-driven-policy-refinement-for-self-evolving-llm-trading-ag-2609.17632)把交易代理的系統提示視為其策略。每個交易區間結束後，另一個 Policy Agent 會讀取決策軌跡和已實現回報，並重寫該提示。骨幹模型保持凍結。

論文報告，在多種市場狀態和兩個骨幹模型下，演化後的代理在大多數設定中，夏普比率和累計回報均優於固定提示基線。重寫後的提示亦促使代理進行更多基於程式碼的分析，並計算符合當前市場狀態的訊號。

Tags: EvolveTrade, AI 代理, 系統提示, 交易, 研究

[查看主帖原文](https://x.com/dair_ai/status/2102434507043598432)