Einsia AI推出LaPlace's Eye：让模型走进真实世界

Einsia AI发布Quant Arena并推出研究品牌LaPlace’s Eye，首个私有策略Kepler-1在榜单中领先。Quant Arena让大模型基于2022至2023年数据开展研究，经有限轮次迭代后提交策略，再在封存的2024年数据上回测。代表配置口径下，等权市场年化收益17.1%，受测模型最高为10.7%，Kepler-1为94.0%。该数据来自历史模拟回测，非实盘业绩；论文全量配置中GPT-6 Sol medium另有18.4%的单项结果，高于等权市场基准，Kepler-1策略构造未公开。Quant Arena呈现的核心问题并非“谁赢了”，而是模型从研究到策略、再到市场表现仍有多长距离。

Einsia AI此前公开研究覆盖多个方向：SWE Refactor Bench测试真实代码库技术栈迁移且不破坏原有行为，520次模型运行中仅28次通过迁移审计、行为测试和反例检查，20个任务中13个无模型解出；BrowserBC将人类网页任务操作轨迹整理为可复用技能；EmbodiedEvo让智能体在机器人仿真中通过观察、修改控制代码和执行反馈积累经验并迁移；PPTBench测试将科学流程图重建为可编辑PowerPoint图形；OpenChronicle为桌面智能体保存工作上下文；学术助手Agent嵌入研究者写作流程。其AI4AI-Bench在X获超210万次浏览。

LaPlace’s Eye品牌推文《在未来获得名字之前》从拉普拉斯思想实验切入，但未承诺“看见未来”，而强调观察、行动、校准与持续学习。文章指出市场由无数人的判断、行动和情绪构成，规律会变化，被发现的规律也可能因更多人采用而失效。品牌选择“眸”而非全知的“妖”，强调判断可提出但不能免于检验，假设须允许事实推翻。这与Einsia AI此前研究逻辑一致：行动发生、结果返回后，才知道模型学到了什么。LaPlace’s Eye被描述为能观察、提出假设、相互质疑、在边界内行动并从结果中继续学习的系统，还提出若智能能创造可验证价值，资本可支持下一轮数据、计算、模型和研究。对Einsia AI而言，更值得关注的是能否把一种环境中的方法带到另一环境，并逐步做出能在任务中行动、根据结果修正自己的系统。