AlgoEvolve는 LLM을 의미적 변이 연산자로 활용해 실행 가능한 트레이딩 전략(Python 코드)을 생성·평가·반복 개선하는 진화 프레임워크로, 정적 코딩 벤치마크에 머물던 LLM 진화 패러다임을 노이즈가 크고 비정상적(non-stationary)이며 불연속적인 알고리즘 트레이딩 도메인으로 확장했다. 엄격한 테스트 프로토콜로 평가한 여러 실험에서 시장 국면(regime)에 적응해 거래 규칙을 자율적으로 전환하는 전략 로직이 창발했다. 나아가 내부 루프의 프로그램 합성을 유도하는 프롬프트 자체를 진화시키는 메타 진화 외부 루프를 도입해, 탐색-활용 균형을 맞추고 무거래 실패를 줄이는 개선된 검색 휴리스틱을 발견했으며 이는 인간이 설계한 초기 지시문을 일관되게 능가했다. LLM 기반 의미 진화가 복잡한 환경의 지속적 프로그램 합성에 유효함을 보여준다.

• •LLM을 의미적 변이 연산자로 쓰는 진화적 프로그램 발견을 알고리즘 트레이딩으로 확장
• •실험에서 시장 국면 적응형 전략 로직과 거래 규칙의 자율 전환이 창발
• •프롬프트를 진화시키는 메타 진화 외부 루프가 개선된 검색 휴리스틱을 자동 발견
• •발견된 휴리스틱이 인간 설계 초기 지시문을 일관되게 능가, 무거래 실패도 감소
• •노이즈·비정상성·불연속성이 큰 도메인에서 LLM 기반 지속 프로그램 합성의 유효성 입증