该研究中提出了一种基于 LSTM 和 LRP 的深度复发因子模型，将线性多因子模型扩展为非线性和时变，具有更好的预测能力。

Jan, 2019

通过扩展搜索空间和利用预训练的公式化 Alpha 集作为初始种子值以生成协同公式化 Alpha，本文提出了一种增强现有 Alpha 因子挖掘方法的方法，并以强化学习作为高效发现股票市场量化交易中已知指标（称为 Alpha 因子）的过程。我们使用信息系数（IC）和排名信息系数（Rank IC）作为模型的性能评估指标。通过使用 CSI300 市场数据进行实际投资模拟，我们观察到与现有技术相比的显著性能改善。

Jan, 2024

本文提出了 IFactor 框架，它由四类潜在状态变量建模，以捕捉强化学习系统中各种信息的不同方面，并在合成环境和深度强化学习环境中展示了其性能优于基线的实验结果。

Jun, 2023

使用强化学习技术，我们研究了一种动态资产配置投资策略，并解决了将金融时间序列数据的非平稳性纳入强化学习算法的关键问题，以提高预测精度。我们发现引入环境设置中的变量，如制度变化，对于增强预测准确性至关重要。此外，强化学习在投资策略中的应用具有灵活解决优化问题的显著优势，能够将投资者面临的实际限制整合到算法中，实现高效优化。我们将投资策略制定条件分为三个主要类别，包括绩效衡量指标、投资组合管理规则和其他约束条件，并在强化学习框架中评估了将这些条件纳入环境和奖励函数对投资行为的影响。

Nov, 2023

通过引入探索和优化的多次迭代和希望与恐惧采样策略，以及伪平行生成方法和动态加权奖励聚合方法来改进偏好优化方法，本文在两个常用的文本风格转换数据集上评估模型，通过自动化和人工评估结果展示了我们模型相对于最先进基准的有效性和优越性。

Jun, 2024

该论文研究了回归模型（OLS 线性回归、Ridge 回归、随机森林和全连接神经网络）在 CMA（保守与激进）因子溢价预测和因子择时投资方面的表现。外样本 R 方显示更灵活的模型在解释未知时期因子溢价的方差方面具有更好的性能，回测证实基于更灵活模型的因子择时倾向于超过线性模型。然而，对于神经网络等灵活模型，其预测基于的最优权重往往不稳定，这可能导致高交易成本和市场影响。我们验证了根据历史最优再平衡方案将再平衡频率降低可以有助于减少交易成本。

Apr, 2024

通过使用大型语言模型（LLMFactor）和顺序知识引导提示（SKGP）方法，本研究针对金融部门的时间序列数据提出了一个新的框架，用于识别影响股票走势的因素，并通过历史股价预测股票的运动，与现有方法相比，该框架在金融时间序列预测方面表现出更好的性能。

Jun, 2024

本研究提出了一种解释型时尚推荐系统，能够通过量化每个物品的每个特征对得分的影响来解释评分，并且能够识别哪些物品和哪些特征使造型好或不好。实验结果表明该方法能够准确地检测降低评分的不好物品。

Jan, 2019

本研究提出一种使用半监督框架和强化返馈来解决文本风格转移挑战的方法，通过自动构建伪并行对来引导监督学习并通过强化奖励学习未标注数据，提供细粒度的学习信号来稳定增强学习，并取得了多个数据集上最先进的性能。

May, 2022

通过维持人类专家的一致性响应风格和提高训练集中的数据质量，可以显著提高精调大型语言模型（LLMs）的性能，同时减少所需的训练样本数量。研究将响应风格分解为表达和组合风格，并发现在类似质量的训练数据中，具有更高风格一致性的数据可提高 LLM 的性能。基于这一观察，引入 Style Consistency-Aware Response Ranking（SCAR），根据响应的风格一致性自动对训练集中的指令 - 响应对进行优先排序。通过选择最风格一致的示例，从完整数据集中的前 25％到 0.7％，精调的 LLMs 在编码和开放式问答基准测试中能够达到甚至超过整个数据集上训练的模型的性能。

Jun, 2024