QuantCode Model：面向可执行算法交易代码的语言模型专业化研究

该论文研究将语言模型专用于算法交易代码生成的两种机制：在交易框架代码上继续预训练，以及在代理验证过的请求-代码对上监督微调。评测基于自建 400 任务 Backtrader 策略生成基准 QuantCode-Bench 和类 SWE-bench 仓库级赛道。继续预训练将单轮 Judge Pass 从 41.5% 提升至 47.5%（Qwen3.5-397B-A17B）、从 27.8% 提升至 33.0%（Qwen3.6-35B-A3B）；继续预训练后再做 SFT 使后者达 58.2% Judge Pass、83.5% 回测成功率，代理首轮成功从 22.3% 升至 58.3%，十轮内最终成功从 47.5% 升至 79.5%。

此前通用代码模型在算法交易这类需在专用框架中正确执行并保持语义一致的任务上表现有限；该研究给出继续预训练与 SFT 的组合路径，并首次量化了领域专精在代理多轮修复、结构化工具调用等维度的收益与代价。

继续预训练让模型熟悉交易框架的代码模式与 API，提升单轮生成质量；SFT 在代理验证过的请求-代码对上训练，强化从自然语言策略到正确程序逻辑的映射，因而在多轮修复和最终成功率上收益更大。但领域专精会削弱结构化工具调用的解析器一致性，说明能力保留与领域适配之间存在权衡。

对量化平台或交易工具类产品，可在自有框架代码与验证过的策略请求-代码对上做继续预训练加 SFT，提升策略生成与回测通过率；同时需监控结构化工具调用等通用能力的回退，并准备针对性恢复数据。

• 为 Backtrader 等交易框架构建请求-代码对自动采集与代理验证流水线，作为 SFT 数据来源。
• 在量化策略生成产品中引入回测通过率与 Judge Pass 双指标，替代单一代码相似度评估。
• 针对结构化工具调用退化，建立专项回归测试与恢复 SFT 数据集。
• 面向中小参数模型（如 35B 级）提供领域微调方案，以较低成本达到接近大模型的策略生成效果。

• QuantCode-Bench 的 400 任务是否公开，评测可复现性如何。
• 继续预训练导致最终修复成功率下降的具体原因是否为指令遵循退化，尚未完全确认。
• 针对性恢复 SFT 能恢复工具调用格式，却无法恢复仓库级代理性能，其机制未明。
• 该结论是否可迁移到 Backtrader 之外的其他交易框架或其他编程领域。