LLM 에이전트의 알파 마이닝은 조합적 탐색 공간, 잡음 섞인 비정상 피드백, 중복 발견, 과거 성공 재사용에서 오는 과적합 위험에 시달린다. AlphaMemo는 구조화된 탐색 과정 메모리를 갖춘 자기진화형 알파 마이닝 에이전트로, 최종 팩터나 전체 궤적이 아니라 특정 부모 팩터 맥락에서 어떤 편집 모티프가 성공·실패하는지에 대한 재사용 가능한 근거를 기록한다. 추상 구문 트리(AST) 차이에서 모티프를 추출하고, 탐색 원장 사전확률 위에 신뢰도 게이팅 잔차 메모리를 적용하며, 비대칭 거부권으로 고신뢰 실패 패턴을 억제한다. CSI 500과 S&P 500 실험에서 표본 외 성능과 고정 예산 발견 효율이 개선됐고, 잔차 학습·신뢰도 게이팅·AST 차이 모티프·거부 메모리의 기여가 절제 실험으로 검증됐다.

• •AST 차이에서 추출한 편집 모티프의 성공·실패 근거를 부모 팩터 맥락별로 기록하는 구조화 메모리를 사용한다.
• •탐색 원장 사전확률 위에 신뢰도 게이팅 잔차 메모리를 적용한다.
• •비대칭 거부권으로 고신뢰 실패 패턴을 억제한다.
• •CSI 500·S&P 500에서 표본 외 성능과 고정 예산 발견 효율이 향상됐다.