模块化金融强化学习信用分配评估框架提出

Gennadiy Chistiakov 与 Yury Yanovich 提出一套等信息评估框架，用于检验模块化金融强化学习中的信用分配，方法结合等信息重构控制、固定效用比较和预设下游护栏。 三项对照实验显示：残差分配在披露接口下可被普通损失预算精确复现；直接缺口监督能提升组件预测，却无法保持解码结果；组件级 critic 监督在固定效用下反而使风险条件确定性等价与回撤恶化。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。