Một cái hố mới nữa đã được lấp đầy... Các thuật toán di truyền thường thiếu kiểm toán logic trong biểu thức yếu tố đầu ra của chúng. Do đó, ngay cả lượng lớn, đầu ra thường chứa các yếu tố bị quá khớp nghiêm trọng và mâu thuẫn, chẳng hạn như sau: where_signal((delay(1h_TD_Seq_4) <= (1d_Volatility_Compression_10_Z50 * 70)), where_signal((sma_20(1h_Donchian_Position_20) <= ema(1h_BB_Width_20, ema_fast(1h_Donchian_Position_20))), 1, 0), where_signal(cross_up(1d_Std_Compression_10_Z50, 15m_OBV_Relative_20_Z200), 0, -1)) Vấn đề này nên được giải quyết như thế nào? Tôi đã tích hợp API Gemini 3.1 và phân tích các biểu thức nhân tố có điểm số cao sau mỗi 20 thế hệ. Nếu phát hiện nhân tố nào đó bị quá khớp hoặc mâu thuẫn về mặt logic, tôi sẽ can thiệp vào quá trình tiến hóa và loại bỏ nó một cách bắt buộc. Tuy nhiên, Claude cho rằng tôi không nên sử dụng Gemini cho việc này, và đề xuất điều chỉnh đầu ra của các yếu tố bằng cách tối ưu hóa logic đầu ra, thay vì thêm một hộp đen khác vào cuối một quy trình vốn đã được ngẫu nhiên hóa cao. Được rồi~ Mình sẽ thử xem sao~