VST 研究详解丨VST：给AI量化多智能体装上可验证的结构化传输总线- 大数跨境

首页

VST 研究详解丨VST：给AI量化多智能体装上可验证的结构化传输总线

PandaAI个人量化超级助手

2026-09-24

导读：过去几年，AI 量化的研究边界正在从单智能体自动化挖掘，走向多智能体协同的完整研究流程。

过去几年，AI 量化的研究边界正在从单智能体自动化挖掘，走向多智能体协同的完整研究流程。从公式搜索到代码生成，再到挖掘—评估双环耦合的自进化系统，智能体的分工越来越细，能够处理的研究复杂度也越来越高。

这是继双循环自进化 Alpha 发现系统之后，PandaAI 在多智能体量化投研方向上的又一项研究工作。但协同能力的增强，并不意味着系统效率会随之线性提升。

多数多智能体框架仍以自由文本交互为核心。智能体之间可以传递信息、完成单轮协作，却缺乏对交互状态、因果链路和事务边界的系统定义。结果是，系统跑了成百上千轮循环，积累了大量因子和报告，却没有一条可精确复现的交互轨迹；每一轮反馈仍要等待全链路串行执行，周期成本随着循环数线性累积。

这正是 VST 试图解决的问题。与其继续强化单个智能体的生成能力，VST 关注的是多智能体之间的通信层本身：能否把自由形态的智能体交互，重构为一套结构化、可寻址、可验证的传输协议，让交互轨迹成为可预测、可跳跃、可审计的稳定资产。

从这个意义上说，VST 关注的不只是让多智能体跑得更快，而是推动自动化投研从「功能可用」，走向「过程可治理」。

arXiv:2609.07065v1

01 / 当多智能体成为主流，通信层成了新的瓶颈

回顾近年来自动化 Alpha 发现的演进，其技术路线大致经历了两个阶段。

第一阶段主要围绕单智能体搜索展开。遗传规划、强化学习以及大模型代码生成，不断拓展因子的表达空间与搜索效率。但单智能体的局限也很明显：它只能在既定的目标和规则下执行搜索，无法同时完成挖掘、评估、优化的多重分工，也难以实现研究能力的自进化。

第二阶段则从单智能体搜索转向多智能体协同。双循环架构的出现，让 Alpha 挖掘与评估优化两个环节各自形成闭环，又通过报告智能体耦合在一起，系统能够自主迭代因子库、评估体系和研究技能。协同能力的提升，也进一步拓展了自动化研究的边界：机器不再只是生成候选因子，而开始能够自主完成从假设到验证的完整研究循环。

然而，协同规模的提升并未自动带来系统效率的提升。系统可以调度更多智能体执行任务，但如果智能体之间的交互依然是自由文本的「黑箱对话」，其本质仍是更快的单轮拼接，而非可管理的系统工程。

相比之下，人类研究团队的协作从来不是自由聊天。每一份报告、每一次反馈、每一轮版本更新，都有明确的格式、编号、状态和归属；每一条结论都能追溯到对应的实验、数据和决策节点。协作的价值，不只来自单次任务的完成，更来自整个过程的可追溯、可复现、可优化。

因此，VST 的问题定义从一开始就不是「怎么让智能体更快交互」，而是：一个多智能体研究系统，怎样才算拥有可靠的通信基础设施。

02 / 结构化传输的四层能力：契约、预测、验证、隔离

把一个多智能体 Alpha 发现系统的通信压到最本质，可以概括为四个核心需求。

每一条消息要有确定的接收者与格式契约，不能模糊歧义；每一次交互要有明确的因果链路，能够精确重放；每一段未来轨迹要有可预测性，能够安全地跳过冗余周期；每一方的进化要保持独立，不能因为协同而失去公正性。

现有多智能体系统往往只做到了第一层的内容传递：消息能发出去、能被读懂，但格式、状态、因果、边界都没有明确契约。前端的「确定性」和后端的「可验证性」长期缺失。

VST 的架构正是围绕这四层需求构建：三层结构化协议（C1）负责建立传输契约，多视野轨迹预测器（C2）负责预测未来交互，事务级验证跳跃控制器（C3）负责验证与提交，分离式技能进化机制（C4）负责保证独立性。不同模块之间流动的不只是文本消息，而是一套持续更新的、带状态的交互轨迹。

下面按顺序讲这条传输链上最核心的三层设计。

03 / 结构化契约：把自由对话变成可回放的因果轨迹

让多智能体传递信息，最直接的方法是用自然语言把指令、结果、反馈写成一段话发给对方。但这种方式本质上只是「信息送达」，而不是「契约传输」。

智能体交互中通常包含多层信息：发送者与接收者身份、当前轮次与状态、业务负载内容、事务状态与归属。如果缺少结构化的封装与校验，模型虽然「收到」了消息，却无法从系统层面验证其合法性、追溯其来源，也无法保证不同轮次之间的因果一致性。

VST 通过三层结构化数据包（A2A Packet），将每一次智能体交互转化为带契约的可追溯记录，这一结构主要包含三个层级。

信封层（Envelope）负责路由与因果。它包含消息 ID、运行 ID、轮次号等身份信息，发送者、接收者、调用参数等路由信息，父状态 ID、周期序号等因果链路，以及负载路径、Schema 版本、可见性等级等契约信息。

这一层相当于给每一条消息盖上了「身份证 + 邮戳 + 权限章」，因此网关可以在不解析内容的情况下完成校验与路由。

负载层（Body）负责原生业务承载：保留原有系统的全部业务字段，比如给矿工的指导建议、给评估器的候选因子、返回的分析报告等。结构化改造不改变任何智能体的业务接口，只是在原有数据外加上标准信封，保证向下兼容。

溯源层（Provenance）负责事务状态：记录消息来自哪一轮文件、哪个智能体日志，标记是「已确认」还是「推测中」状态，以及对应的事务 ID 和提交状态。这一层让每一条消息都有明确的事务归属，是提交还是回滚的依据。

Figure 1

这三层封装完成，智能体之间传递的就不再是一段段孤立的文本，而是一条可校验、可寻址、可重放的因果轨迹。消息从「交互内容」变成了「系统状态的一部分」。

Table 1

04 / 预测与跳跃：先看见未来，再验证落地

多智能体系统的问题不是不会加速，而是直接跳过验证去加速。拿到预测就直接替换执行，看起来效率很高，实际上是在赌预测的正确率。真正的系统级加速并不是从省略验证开始，而是从明确事务边界开始。

这也是 VST 设计多视野轨迹预测器的原因。预测器负责读取已确认的交互轨迹，预测未来 k 个周期两个矿工将收到的累积指导，形成候选的未来状态。它输出的不只是一段文本，而是符合结构化契约的完整状态包，同时附带置信度与不确定性估计。

当候选未来状态生成之后，系统并不会直接用它替换真实执行，而是启动一次推测性跳跃执行。

但跳跃本身也并非简单的「猜对就用」。推测执行最大的风险，并不是结果不对，而是错误的预测悄悄污染系统状态，导致后续全部偏离。

因此，VST 通过四层验证门对推测结果进行校验：L1校验格式合法性，L2校验双环交叉一致性，L3校验盲态评估风险，L4校验实证质量。只有四层全部通过，才会原子性地提交整个事务。任何一层不通过，系统都会精确回滚到跳跃前的确认状态，就像这次推测从未发生过。

换句话说，VST 并不是让预测替代真实的智能体执行，而是让结构化传输给推测加上了「安全护栏」——对了就前进多步，错了就原路退回，永远不破坏系统的确认状态。

05 / 分离式进化：成功与失败，都不污染评估标准

对于多智能体系统而言，预测成功通常意味着奖励强化，预测失败则意味着丢弃。但如果预测器和评估器共享一套进化机制，就会出现一个隐蔽的风险：预测器会逐渐「教会」评估器迎合自己的判断，让评估失去独立性，最终整个系统自欺欺人。

但对于真正的研究过程而言，评估的独立性比预测的准确性更重要。一个成熟的研究系统不会为了短期效率牺牲评价标准，而是让预测能力和评估能力沿着各自的路径进化。

VST 中，分离式技能进化机制负责从结构上保证这种独立性。可见性规则从传输层就规定：预测结果只能发送给矿工，绝对不能到达评估器；评估器看到的永远是真实执行的结果，永远不知道预测过什么。在此基础上，预测器的技能库和评估器的规则库完全分离，各自独立更新：

预测器从事务的提交／回滚结果中学习，优化预测精度与视野选择，成功的轨迹强化策略，失败的回滚作为负样本；评估器只基于真实的因子与配置结果进化规则库，不受预测结果的任何影响。

在这里，失败的推测不再只是被丢弃的结果，而成为预测器进化的重要反馈；同时，无论预测多么「正确」，都无法渗透到评估体系中。系统每跑一轮，多出来的不只是一次成功的跳跃，而是一段可审计的进化历史。

Figure 4

06 / 从精度中立到审计安全，VST 验证了什么

在 CSI 1000 指数、样本外验证的设定下，VST 在八项对比方法中取得了唯一的因子层面正收益。

最能说明差异的是因子层面的中位数表现：VST 的年化收益中位数为+5.9%，夏普比率中位数为+0.346，是所有方法中唯一同时为正的；而此前主流的方法全部落入负收益区间，包括 AlphaGen、AlphaMCTS 等代表性方案。

组合层面，经开发集筛选的前 20 个组合，样本外夏普中位数达到0.71，费前年化收益中位数13.3%。上述数值均为单次运行、费前结果，尚未计入交易成本、滑点与换手约束。

Table 2

Table 3

但比「收益领先」更值得看的，是两个关于「为什么价值不在精度」的证据。

第一个是精度中立性。

对照消融实验显示，结构化传输通道与自由文本通道的预测命中率几乎完全一致（0.9749 vs 0.9754），平均跳跃视野也相差无几。换句话说，结构化本身并没有提升预测的准确率——它带来的价值不在精度，而在正确性。自由文本通道即便预测得一样准，也无法做 Schema 校验、无法精确重放轨迹、无法从结构上保证预测不泄露给评估器。这些审计与隔离属性，才是结构化传输的核心价值；论文将其表述为由架构构造建立的能力，而非经过压力测试的安全保证。

Table 7

第二个是验证有效性。

在全部回滚事件中，没有任何一次失败发生在格式或路由层面，所有回滚都触发自语义层面的评估风险与实证质量门。论文记录到 33 次回滚：L3 盲态评估风险拦下 6 次，L4 开发集实证质量拦下 27 次，L1 与 L2 均未拦截。这说明四层验证门不是在做形式主义的格式检查，而是真正在过滤质量不合格的推测结果；跳跃机制的安全边界，是建立在真实的质量校验之上，而非纸面规则。论文同时说明，这是 33 次回滚样本内的观察，并未据此推断被拒绝的状态一定会在样本外造成损失。

从这个角度看，VST 交出的不是一份「更高收益」的成绩单，而是一份「不牺牲预测精度、审计能力由架构建立」的基础设施答卷。