hephaestlab /
traderharness
LLM 炒股 Agent 越来越多，但回测环节几乎没有规范：模型在训练语料里"背过"历史行情，回测成了开卷考试；各家成交口径不一，收益无法复现。这个项目为 A 股场景做了一套抗污染评测环境：日期与实体双重遮罩让模型认不出考题，公告严格按披露时点落地，同一份输入重放结果逐位一致。每次回测还会沉淀全保真决策轨迹，可导出为 SFT/RL 训练数据，适合研究 LLM 交易能力、或者正在为交易类 Agent 攒训练语料的同学。 亮点 抗污染是底层…
关于
LLM 炒股 Agent 越来越多，但回测环节几乎没有规范：模型在训练语料里"背过"历史行情，回测成了开卷考试；各家成交口径不一，收益无法复现。这个项目为 A 股场景做了一套抗污染评测环境：日期与实体双重遮罩让模型认不出考题，公告严格按披露时点落地，同一份输入重放结果逐位一致。每次回测还会沉淀全保真决策轨迹，可导出为 SFT/RL 训练数据，适合研究 LLM 交易能力、或者正在为交易类 Agent 攒训练语料的同学。 亮点 抗污染是底层设计，不是补丁：不只屏蔽未来数据，连真实日期、公司名都会替换成代号——模型就算在语料里背过这段历史，也对不上号。 确定性回放：同样的可见数据 + 同样的动作序列，环境结果完全一致（含订单号）。Agent 实验第一次有了可靠的对照组，收益差异终于可以归因到模型本身。 回测即数据采集：每一天的决策上下文（看到什么、怎么推理、怎么下单）全程录制，一键导出 SFT/RL 训练样本，相当于一台交易方向的训练数据合成器。 数字克制透明：README 公开了 4 个主流模型在沪深 300 单月 -9.12% 行情下的完整成绩与 token 成本测算，不吹年化翻倍。 上手友好：中文 README、Apache-2.0，附像素风可视化控制台，60 秒跑通 demo，无需 API Key。
收录记录
- HelloGitHub·用户投稿
讨论这个产品