做量化研究，难的不只是让 AI 找规律，还要让它提出猜想、设计实验、检查结果，再根据失败继续改。EdotEnv 正在搭建一座“Quant Neolab”：把金融市场数据做成不同难度的训练环境，也就是规定 AI 能看什么、做什么、如何评分的模拟考场。
据 EdotEnv 自述，这些多步骤强化学习（让模型依据行动结果反复试错）环境，可用于评估和后训练 AI 代理。代理每完成一轮研究，便把所得用于下一轮，逐步改进工具与判断；团队称之为“递归式自我改进”。市场规律会因竞争而衰减，恰好能持续增加题目难度。不过，现有材料未披露具体数据集、评分办法、实验结果或与其他系统的比较，因此目前更值得关注的是它选择的研究路径，而非已经验证的量化能力。