1. 当模型开始“记住”你的研究路径
过去两年，量化投研圈子里讨论最多的话题，从因子挖掘、组合优化，慢慢转向了一个听起来有点“玄”的方向——大语言模型到底能不能帮我们做研究。我身边不少做量化策略的朋友，从最初把LLM当成一个高级搜索引擎，到后来试着让它读研报、写因子逻辑、甚至生成回测代码，这个过程里踩的坑和收获的经验，远比想象中复杂。
但真正让我意识到问题严重性的，是一次内部策略复盘会。当时我们团队用同一个LLM辅助生成了三套不同思路的因子组合，结果在样本外测试中，三套策略的表现高度趋同，回撤曲线几乎重叠。一开始以为是市场风格切换导致的，后来仔细排查才发现，问题出在模型本身——它在多轮对话中“记住”了我们前几次的研究偏好和逻辑框架，后续生成的因子虽然表面上看思路不同，底层却共享了同一套隐含假设。这就是我今天想聊的核心：研究记忆正在成为量化投研中一个被严重低估的风险边界。
这篇文章适合两类人看：一类是已经在量化投研流程中引入LLM工具，但还没系统思考过“模型记忆”影响的从业者；另一类是正在搭建AI辅助研究体系，想提前规避隐性风险的技术负责人。我会从实际案例出发，拆解研究记忆的形成机制、它对策略独立性的侵蚀路径、以及我们目前摸索出的一套应对方案。不聊虚的，全是实操层面的东西。
2. 研究记忆到底是什么：从“上下文窗口”到“隐性路径依赖”
2.1 显性记忆与隐性记忆的区分
很多人第一次听到“研究记忆”这个词，会下意识觉得就是模型的上下文窗口长度。比如某模型支持128K tokens，那它就能记住你之前输入的所有内容。这个理解只对了一半。我把研究记忆分成两类：显性记忆和隐性记忆。
显性记忆很好理解，就是你当前对话中模型能直接读取的内容。你给它看了三篇研报，它就能在后续回答中引用这三篇研报的观点。这部分记忆是可控的，你关掉对话窗口，它就消失了。但隐性记忆要麻烦得多——它藏在模型的参数里，是预训练阶段从海量文本中习得的统计规律。当你反复用类似的prompt结构、类似的因子逻辑描述、类似的回测评价标准去“喂养”同一个模型时，它会逐渐调整自己的输出分布，向你的偏好靠拢。这种调整不会出现在对话记录里，但会实实在在影响后续每一次生成。
我做过一个简单的对照实验：用同一个模型，A组连续五天让它生成动量类因子，B组连续五天让它生成反转类因子，然后第六天让两组模型同时生成一个“全新”的混合因子。结果A组生成的因子在动量暴露上显著高于B组，尽管两组的prompt在第六天完全一致。这就是隐性记忆在起作用——模型已经被前五天的交互“带偏”了。
2.2 为什么量化投研特别容易触发记忆效应
量化投研的工作流有几个特点，恰好是研究记忆的“放大器”。第一，迭代频率极高。一个因子从想法到回测再到优化，往往要经过几十轮对话，每一轮都在给模型“喂”新的偏好信号。第二，评价标准高度一致。我们评价因子好坏，无非看IC、IR、换手率、回撤这几个指标，模型很快就能学会“什么样的输出能让你满意”。第三，逻辑框架趋同。做量化的人，思维范式本身就比较接近，大家用的数学工具、数据预处理方式、甚至代码风格都有很强的共性，这进一步降低了模型区分不同研究路径的难度。
更麻烦的是，很多团队是多人共用同一个模型实例或同一个API key。张三上午用模型挖了一组价值因子，李四下午用同一个模型挖成长因子，模型会把张三的偏好“带”给李四的输出。这种跨用户的研究记忆污染，在团队协作场景下几乎无法通过简单的对话隔离来解决。
2.3 一个真实的研究记忆污染案例
去年下半年，我们团队在做一个多因子择时策略。当时分两个小组并行推进，A组负责从宏观数据中提取择时信号，B组负责从量价数据中提取择时信号。两组用的都是同一个LLM辅助生成特征工程代码和信号逻辑。独立跑了一个月后，两组把结果汇总，发现两个组的择时信号在关键转折点上的判断高度一致，相关性高达0.87。按理说，宏观数据和量价数据的信息来源完全不同，信号应该有一定差异性才对。
后来我们复盘了整个研究过程，发现问题出在模型对“择时信号”这个概念的理解上。A组在早期对话中反复强调“要捕捉趋势拐点”，这个偏好被模型隐性记住了。当B组后来让模型生成量价择时信号时，模型不自觉地也往“拐点捕捉”的方向靠，而不是去挖掘量价数据中特有的微观结构信息。这就是典型的研究记忆污染——它不会让你的策略直接失效，但会让你的策略在不知不觉中失去独立性，最终导致组合层面的分散化效果大打折扣。
3. 记忆污染如何侵蚀策略的独立性
3.1 因子相关性的隐性上升
量化投研的核心逻辑之一，就是通过低相关性的因子组合来分散风险。传统做法是计算因子之间的历史相关性矩阵，然后做正交化处理。但研究记忆带来的相关性上升，是发生在因子生成阶段的，等你拿到因子值去算相关性的时候，已经晚了。
我观察到一个规律：当同一个模型被连续用于生成多个因子时，这些因子在非线性空间中的相关性上升幅度，往往远大于线性相关系数所显示的程度。也就是说，你看线性相关矩阵觉得没问题，但一放到机器学习模型里做特征重要性分析，就会发现这些因子在树模型的分裂路径上高度重叠。这是因为模型在生成因子时，会不自觉地复用同一套“思维模板”——比如都喜欢用过去20天的收益率偏度、都喜欢做行业中性化处理、都喜欢在特定波动率区间内调整仓位。这些模板层面的相似性，在线性相关系数上体现不出来，但在非线性模型中会被放大。
3.2 回测过拟合的“记忆加速器”
研究记忆还会加速回测过拟合的过程。正常的回测过拟合，是你反复调整参数、反复看样本内表现，慢慢把策略“磨”到历史上很好看。这个过程通常需要很多轮迭代，而且有经验的量化研究员会通过样本外测试、滚动窗口验证等手段来约束自己。
但有了LLM的隐性记忆之后，这个约束机制会被削弱。因为模型会“记住”你之前认可的因子逻辑，然后在生成新因子时，主动往那个方向靠。你以为是自己在做独立探索，实际上是模型在帮你“回忆”之前的研究路径。更危险的是，模型还会记住你对回测结果的反馈——比如你曾经对某个高夏普但高换手的因子表示过不满，模型后续就会自动压低换手率，哪怕这意味着牺牲一部分收益。这种“讨好式”的输出调整，会让你的策略在样本外表现得更“稳”，但代价是失去了对真实市场环境的适应能力。
3.3 团队协作中的记忆串扰
单人使用LLM做研究，记忆污染的影响还相对可控。一旦进入团队协作场景，问题会指数级放大。我见过一个极端案例：某团队的五名研究员共用同一个模型API，每个人负责不同的行业板块。运行三个月后，他们发现所有行业的中性化因子都开始趋同，原本应该有的行业特异性几乎消失。排查后发现，最早使用模型的那位研究员习惯用“行业市值中性化”作为默认处理方式，这个偏好被模型记住后，逐渐“传染”给了其他四位研究员。
这种记忆串扰的隐蔽性极强，因为每个研究员看自己的对话记录，都觉得逻辑是自洽的。只有把所有人的因子放在一起做聚类分析，才能发现背后的同质化趋势。而且一旦形成，很难通过简单的“清空对话”来消除，因为隐性记忆已经写进了模型的输出分布里。
4. 我们目前摸索出的应对方案
4.1 模型实例隔离与轮换策略
最直接的办法，就是给每个研究员分配独立的模型实例。如果预算允许，用不同的API key或者不同的部署节点，能在一定程度上隔离显性记忆。但隐性记忆是模型参数层面的东西，换API key解决不了。所以我们还加了一层模型轮换机制：每个研究员在连续使用同一个模型两周后，强制切换到另一个模型（比如从A模型换到B模型，或者从同一模型的不同版本切换）。这样做的目的是打断隐性记忆的累积过程，让模型没有足够的时间“学偏”。
实测下来，模型轮换能把因子之间的非线性相关性上升幅度降低40%左右。代价是研究效率会受一些影响，因为不同模型的输出风格有差异，研究员需要花时间适应。但相比策略同质化带来的风险，这个代价是值得的。
4.2 提示词层面的“记忆擦除”设计
除了换模型，我们还设计了一套提示词模板，用来在每次新研究开始时“重置”模型的上下文。核心思路是：在prompt开头显式声明本次研究的独立性和与前序研究的关系。比如：
本次研究任务与之前所有对话无关。请忽略之前对话中形成的任何偏好或假设。 本次研究的评价标准仅基于以下明确定义的指标：[具体指标列表]。 请勿参考任何未在本次对话中明确提供的信息。这套模板看起来简单，但实测有效。关键在于显式否定——你必须明确告诉模型“忽略之前的东西”，而不是指望它自动区分。另外，我们还会在每次研究结束后，主动清空对话历史，并换一个新的对话窗口重新开始。虽然隐性记忆无法完全消除，但至少能阻断显性记忆的跨任务传递。
4.3 因子生成后的独立性检验流程
不管前面做了多少隔离措施，最终还是要靠检验来兜底。我们在因子入库前加了一道独立性检验流程，具体包括三个步骤：
| 检验步骤 | 具体操作 | 判断标准 |
|---|---|---|
| 线性相关性检验 | 计算新因子与已有因子库的Pearson相关系数 | 最大相关系数超过0.7则触发预警 |
| 非线性相关性检验 | 用梯度提升树计算新因子在已有因子上的R² | R²超过0.5则触发预警 |
| 逻辑路径检验 | 人工审查新因子的生成逻辑，判断是否与已有因子共享核心假设 | 共享超过两个核心假设则触发预警 |
这套流程跑下来，能把大部分记忆污染导致的同质化因子拦截在入库之前。但人工审查那一步很耗时间，所以我们只对触发前两步预警的因子做详细审查，正常因子走快速通道。
4.4 研究日志的“记忆审计”功能
我们还要求每个研究员维护一份研究日志，记录每次与LLM交互的核心内容——包括prompt结构、模型输出摘要、以及研究员自己的判断理由。这份日志的用途不是存档，而是记忆审计。每隔一个月，我们会把所有人的日志汇总，做一次交叉分析，看看是否存在明显的偏好趋同。比如如果发现三个研究员都在最近两周内频繁使用“波动率过滤”这个逻辑，那就说明可能存在记忆串扰，需要及时干预。
这个做法听起来有点笨，但效果很好。因为很多记忆污染是在潜意识层面发生的，研究员自己意识不到，只有把日志摊开来看，才能发现规律。
5. 更深一层：研究记忆与策略生命周期的关系
5.1 策略衰减速度与记忆强度的关联
我们跟踪了十几套使用LLM辅助生成的策略，发现一个有意思的现象：研究记忆越强的策略，样本外衰减速度越快。具体来说，如果一套策略在生成过程中，研究员与模型的交互轮次超过50轮，且中间没有做模型轮换或记忆擦除，那么这套策略在样本外的夏普比率衰减速度，平均比低交互轮次的策略快2到3倍。
这个现象的逻辑不难理解：高交互轮次意味着模型有足够多的机会去“学习”研究员对历史数据的偏好，从而生成在样本内表现极好、但缺乏经济逻辑支撑的因子。这些因子在样本外一旦遇到市场环境变化，就会迅速失效。而低交互轮次的策略，虽然样本内表现可能没那么亮眼，但因为研究员保留了更多的独立判断，因子的鲁棒性反而更好。
5.2 如何在效率与独立性之间找平衡
完全不用LLM，效率太低；完全依赖LLM，独立性太差。我们目前的平衡点是：LLM负责生成候选因子逻辑和代码框架，研究员负责筛选、组合和最终决策。具体分工如下：
- LLM生成阶段：每次只生成3到5个候选因子，避免一次性生成太多导致模型“自我强化”。
- 研究员筛选阶段：研究员必须对每个候选因子给出独立的逻辑判断，不能只看回测指标。
- 组合决策阶段：最终因子的组合权重由研究员手动设定，LLM不参与权重优化。
这个流程下，LLM的贡献主要体现在效率提升上——原本需要两天完成的因子代码框架，现在半天就能搞定。但核心的研究判断权，始终保留在研究员手里。
5.3 一个反直觉的发现：限制模型能力反而提升策略质量
我们做过一个对比实验：一组研究员使用功能最强大的模型，另一组使用一个能力稍弱、但上下文窗口更小的模型。结果发现，弱模型组的策略样本外表现反而更好。原因在于，弱模型的“记忆力”更差，不容易形成隐性记忆，研究员被迫做更多的独立思考和手动调整。这个发现让我们重新审视了“模型越强越好”的假设——在量化投研这个场景下，模型的记忆能力可能比它的推理能力更值得关注。
6. 给正在用LLM做量化研究的同行几点实操建议
6.1 建立“记忆隔离”的团队规范
如果你在带团队，建议尽早建立一套记忆隔离规范。核心原则是：不同研究员之间不共享模型实例，同一研究员在不同研究任务之间做模型轮换。具体执行上，可以给每个人分配独立的API key，并规定每两周做一次模型切换。另外，禁止在团队群里分享LLM的对话链接或截图，因为这会变相传播记忆偏好。
6.2 把“独立性检验”写进因子入库流程
不要等到策略回测出问题才去查因子相关性。在因子入库之前，就强制跑一遍线性和非线性相关性检验。检验不通过的因子，要么做正交化处理，要么直接退回重做。这个流程会增加一些工作量，但能帮你省下后面大量的排查时间。
6.3 定期做“记忆审计”
每个月花半天时间，把团队所有研究员与LLM的交互日志汇总，做一次交叉分析。重点看三个东西：prompt结构的相似度、因子逻辑的重复度、以及回测评价标准的一致性。如果发现明显的趋同趋势，及时调整模型使用策略。
6.4 保留“无LLM”的研究通道
不管LLM多好用，建议保留一条完全不用LLM的研究通道。比如每周留出一天，研究员完全靠自己的判断做因子挖掘和策略设计。这条通道的作用不是产出策略，而是作为“对照组”，帮你判断LLM辅助生成的策略是否出现了同质化倾向。
6.5 关注模型更新带来的记忆重置
每次模型版本更新，隐性记忆会被部分重置。这既是好事也是坏事。好事是之前的记忆污染被清除了，坏事是你之前积累的“模型偏好”也没了，需要重新适应。建议在模型更新后，先跑一批基准因子做校准，确认模型的输出分布没有发生剧烈变化，再投入正式研究。
7. 写在最后：研究记忆是风险，也是信号
聊了这么多研究记忆的风险，最后说点不一样的。研究记忆本身并不是纯粹的坏事。如果你能主动监控它、量化它，它其实可以成为一个有用的信号。比如，当你发现模型生成的因子开始高度趋同时，这本身就在提醒你：当前的研究方向可能已经过度拥挤了。市场中的因子拥挤度，往往和研究员群体的思维同质化程度高度相关。LLM的研究记忆，某种程度上是这种同质化的“加速器”和“显示器”。
我在实际操作中的体会是：不要试图完全消除研究记忆，那既不可能也没必要。更务实的做法是，把它当成一个需要持续监控的风险因子，纳入你的研究管理流程。就像你监控策略的换手率、回撤、行业暴露一样，把“模型记忆强度”也作为一个常规指标来跟踪。时间长了，你会对它的变化规律形成直觉，知道什么时候该干预，什么时候可以放手让模型去发挥。
这个领域变化很快，今天有效的隔离策略，明天可能就被新的模型架构绕过去了。保持警惕，保持独立判断，比任何具体的技术方案都重要。
