Trade-R1: Bridging Verifiable Rewards to Stochastic Environments via Process-Level Reasoning Verification
创建于 更新于
摘要
本文提出Trade-R1框架，通过检索增强的两阶段验证与“三角一致性”度量（Evidence↔Reasoning↔Decision）将可验证的推理与噪声市场回报相连接，从而抑制金融RL中的reward hacking并提升跨市场泛化能力 [page::0][page::4][page::6].
