模块化金融强化学习信用分配的等信息评估框架

研究者提出了结合等信息重构控制、固定效用比较与预设下游护栏的评估框架，用于检验模块化金融强化学习中的信用分配。在归因指导的模块化交易架构测试中，残差分配可被常规损失预算控制完全复现，直接缺口监督改善了组件预测却无法保持解码结果，而组件级 critic 监督相比标量监督恶化了确定性等价和回撤。该方法为部分可观测、延迟反馈及经济风险约束下的专家系统评估提供了可复用方案。