arXiv 量化金融（q-fin）。
说明基于谱系感知搜索控制的LLM进化因子挖掘（LineageEvo）：一种利用因子演化谱系引导大语言模型变异并分配搜索预算的量化因子挖掘方法。
简介该论文针对用大语言模型作为语义变异算子的进化式公式化alpha因子挖掘，指出现有方法搜索容易集中于结构相似的少数因子。作者提出LineageEvo，在谱系层面进行搜索控制：一是基于谱系经验生成算子先验并与全局先验融合，指导LLM生成；二是在因子质量与谱系集中度之间分配搜索预算。在CSI 500和S&P 500上的实验显示，LineageEvo预测性能最强，LSPS产生的谱系分布更均衡、因子池结构更广。
说明分布还是分位数？最坏情形风险的凸变分理论
简介本文以谱风险度量为基础，提出一套凸变分理论，统一并扩展最坏情形风险的分析框架。理论依据表示原理：选用能保持完整模糊集凸性的分位数或分布形式，由最优性条件识别最坏情形分布及其风险值。文中给出多类模型的解析或半解析解，并提供带固定网格收敛性的投影算法。在高维投资组合应用中，作者在高斯参考下的均值锚定联合KL模糊集上建立了精确投影恒等式，使稳健组合选择可化为二阶锥规划。
看点提出统一的凸变分理论并给出多类模糊集下的闭式或半闭式worst-case解，新颖且证明较完整，对风险管理子领域影响较大。
说明预测市场合约在上线时能反映什么：交易量与争议风险
简介论文基于2023年1月至2026年5月在Polymarket上市的802,863个已结算市场，仅利用上市时可得的信息（标题、描述、指定结算来源和合约元数据），预测市场的终身交易量及结算是否后来出现争议。合约信息对交易量预测效果较好，市场主题带来的提升最大；但当平台变化与上市形式转变同时出现时，预测效果明显下降，争议预测则排序能力尚可、单个案例的精确度却较低。
说明JaxMARL-BC：用于宏观经济建模的多智能体强化学习，数秒内完成训练
简介本文提出JaxMARL-BC，一个基于JAX加速的模拟器，用于训练MARL-BC经济模型，训练速度比参考实现快75至724倍，并可扩展至20万个独立学习的家庭。作者用已知的DSGE极限情形验证了其正确性，并通过扩展模型（异质资本回报）的概念验证校准实验展示其价值，该实验两小时即可完成，此前需要一个多月。该工具已作为开源项目发布。
说明超越Heston模型的DSINC方法：3/2模型及其他非仿射随机波动率模型
简介本文将阻尼sinc（DSINC）方法从仿射Heston类扩展到一般单因子随机波动率模型，用于美式期权定价。文中证明了将提前行权积分化为单个谱积分的坍缩恒等式对这些模型仍然成立。对3/2模型和不相关SABR模型给出了变换形式的处理，其余情形通过逐频率求解一个后向方程计算所需积分。在3/2、SABR、GARCH和对数正态波动率模型上的测试显示，与精细有限差分基准的差异在行权价的一个基点以内。
说明理解限价订单簿状态空间基础模型的内部机制
简介该研究分析了一个在限价订单簿消息流上自回归训练的80多万参数Mamba-3状态空间模型，考察它究竟学到了什么市场微观结构知识。论文称，模型内部能解码出订单流不平衡等指标（R²约0.59），该表示可推广到未见过的股票，并且能通过调整内部状态来因果性地改变模型对下一条消息的预测。
