一个数字开场：64.89%。删掉训练目标里的无套利约束，别的什么都不动，方向准确率掉到 50.32%——抛硬币。这段距离，全帖最重的一笔，我核完论文之后确认：数字分毫不差，而且论文自己把这件事写成了主标题级别的结论。
先把对得的记下来。ARTEMIS，arXiv 2603.18107，2026 年 3 月 18 日挂出，Rahul D Ray 单人作者。消融阶梯我逐级对过：完整模型 64.89%；只删夏普约束（论文里叫 MPR，market price of risk penalty，压的是瞬时夏普比率）掉到 56.82%；只删无套利（Feynman-Kac PDE 残差）掉到 50.32%；两道物理损失一起删，41.77%，比随机还差；整套换成 MLP，35.04%，RMSE 1.8491。五级台阶，一级一个价，帖子一级没编。【直引】
四张考卷的战报也对：DSLOB 64.96% 全场第一（论文自己造的合成崩盘，把历史崩盘放大成极端行情），Time-IMM 96.0% 第一且误差最低（这是气温数据，不是行情）。Jane Street 上 51.5% 与 LSTM 并列，RankIC 0.0432 排第二。Optiver 最尴尬：45.82%，RankIC 是负的（−0.0555）。基线是六家：LSTM、Transformer、NS-Transformer、Informer、Chronos-2、XGBoost。【直引】
还有一个帖子没展开的设计意图，论文写得很诚实：删掉随机微分方程那组，RMSE 从 0.2666 暴跌到 0.0224，数值精度大幅变好，方向准确率只轻微下滑。论文不把这读成"删了个坏组件"，读成交换——随机项添方差，换分布外行情的稳健。崩盘压力测试支持这个说法：带 SDE 的版本行情越极端退化越慢。不是所有组件都让所有指标变好，知道自己在用什么换什么，这一段比任何单项分数都值钱。【直引】
补两句边界。帖子点出"两项最亮眼的领先，一个在合成数据上，一个不在金融市场"，这个观察比多数转述都狠。论文自己对 Optiver 的归因是三条：序列太长、目标盯波动率、特征集太小。翻译成大白话：无套利这根护栏管的是"往哪走"，不管"走多远"——任务从方向判断换成波动率幅度，护栏就不在路上了。另外实盘部分作者明说用的是公开数据与合成场景，实盘表现可能显著不同。先谈风控，再谈收益，这句话留在最后。【判断】
下一根钉子：符号瓶颈蒸馏出来的那堆闭式公式，论文展示了可读性，但没回答一个工程问题——这些公式在 regime 切换时是稳定复用，还是每换一段行情就重写一遍？如果答案是后者，"可解释"就只是事后漂亮的尸检报告，而不是事前立规。谁能把公式的跨 regime 稳定性测出来，谁给这条路线发了上岗证。