Pai

模型炼丹师

[Pai @junytang]

一个模型算法，让 AI 优化修改了上百次后，作为一个人类已经无法读明白了，看来只能让 AI 继续修改。

[Pai @junytang]

@ZeroZ_JQ 如果仅是编码的角度看，opencode 好，cc 太占上下文了，没几个来回就需要压缩，几次压缩后，会丢失不少信息

[Pai @junytang]

@lexrus 差别应该是在质量上，本地跑 agent 时差别就出来了

[Pai @junytang]

@lexrus 是用 ollama 跑的么? ollama 是最近才支持 mlx 的，可能支持的不够完善。可以试试看 LM studio。如果 gguf 版的话，ollama 要自己做转换

[Pai @junytang]

@lexrus 有兴趣的话，可以看这里 https://t.co/fSWwaNephq

[Broooooklyn @Brooooook_lyn]

https://t.co/FskPksPHFO

[Pai @junytang]

@lexrus 这是 mlx 的问题，mlx 用的是统一量化，而 qwen3.5 用的是混合量化，所以会降智。

[Pai @junytang]

@imwsl90 给个新思路：自制的8健轨迹球，已经完全抛弃鼠标了

[Pai @junytang]

@maide89699220 直线导轨做到不难，但是丝杆可以做到还是厉害的

[Pai @junytang]

@CryptoPainter 不客气。再补充一个，就是校验top10%和bottom10%是不是有明显的分层，这个是校验策略抓的是alpha，还是beta

[Pai @junytang]

@crblandet @CryptoPainter 客气，可以一起探讨交流

[Pai @junytang]

@crblandet @CryptoPainter 可以这么看是不是有过拟合：
1. 每日超额，去掉±3σ后看中位数
2. 计算 IR stability 的值，行业一般 >0.1
3. 计算置换检验 P 值，行业一般 <0.05
4. 每日超额收益做蒙特卡洛 Bootstrap，看净值>1的概率，行业一般 >0.8，以及下 5% 分位的净值，行业一般 >0.7

[Pai @junytang]

@off_thetarget 用净值/sharpe/超额算都可以。需要注意的是：不是预测，用的就是回测每日实际的值，只不过是打乱顺序加有放回的重采样，然后分析回测的收益是小概率事件还是路径依赖。

[Pai @junytang]

@off_thetarget 你说的standard是指数据的标准化？
举例：每日收益是 r1,r2,r3,r4,r5，有放回的重采样获取：r3,r3,r2,r1,r2或者r5,r3,r1,r5,r2，随机1000组，一组每日收益可以画出1条收益曲线，这样可以画出1000条曲线，看这1000条收益曲线最终的净值大于1的概率有多少，最差5%的净值有多少，看收益有没有路径依赖性

[Pai @junytang]

@off_thetarget 过拟合有很多种形式，看到未来数据算是对未来的过拟合，只针对特定时间段表现良好算是特定时间的过拟合，偶然抓住一两次极端行情算是特定行情的过拟合，等等

[Pai @junytang]

@off_thetarget 可以做预测，也可以做是否过拟合的校验。方法如下：计算每日超额，然后做1000次有放回的重采样，可以画出1000条收益曲线，看胜率和5%分位的净值，如果胜率小于0.6，或者5%分位的净值<0.7，多半就是过拟合的

[Pai @junytang]

@CryptoPainter 哪怕胜率只有51%，扣除冲击成本和交易成本后还有收益，就可以高频