Naukowcy z Princeton, Ant Group i Stanford opracowali AQuA, framework oparty na modelach językowych, który ma na celu autonomiczne odkrywanie czynników finansowych i rozwijanie modeli bez utraty rzetelności badań. Problem, który rozwiązuje AQuA, to kwestia przecieku informacji w systemach agentowych, gdzie model zapisujeSucces zwrotnie jako precedens i amplifikuje błędy metodologiczne poprzez kolejne iteracje.
System polega na dwóch niezależnych agentach - jeden bada dane kryptowalut szukając symbolicznych alfa faktorów, drugi pracuje na szeregach czasowych akcji USA. Kluczowy element to zamrożenie ewaluatora, który osądza ich pracę. To rozwiązanie pokonuje wspólne ślepe plamy, które powstają między agentem piszącym eksperymenty a agentem je recenzującym, gdy oba mają dostęp do tych samych danych. Dotychczasowe podejścia oparte na instrukcjach na poziomie promptu lub modelach recenzentów nie były wystarczające.
AQuA introdukuje integralność do badań finansowych poprzez uniemożliwienie działań powodujących przeciek i adaptacyjne przeuczenie. Każdy z dwóch agentów pracuje na zamrożonych podziałach danych, ustalonej definicji cech oraz fiksowanym ewaluatorze. To podejście jest znaczące, bo badania ilościowe są szczególnie podatne na małe błędy metodologiczne, które tworzą przekonujące ale niereprodukowalne backenty. Recursive amplifikacja błędów przez agenty stanowiła wielki problem - framework AQuA to bezpośrednia odpowiedź na tę słabość systemów autonomicznych w finansach.