AI代理的非标准误差

我们研究了给定相同数据和研究问题后，面向性价比AI编码代理是否产生相同的实证结果。部署150个自主Claude Code代理独立测试关于NYSE TAQ中SPY(2015--2024)市场质量趋势的六个假设，我们发现AI代理 exhibits显著的非标准误差(NSE)，即源于代理间分析选择差异的不确定性，类似于人类研究者所记录的现象。AI代理在度量选择上差异显著(例如，自相关 vs. 方差比，美元 vs. 股份volume)。不同模型家族(Sonnet 4.6 vs. Opus 4.6)表现出稳定的"经验风格"，反映出方法论偏好上的系统性差异。在三个阶段的反馈协议中，AI同行评审(书面批判)对离散度的影响最小，而暴露于顶级示例论文可将估计值的四分位范围缩小80--99%，但仅限于在"收敛"度量家族中。收敛既通过家族内部估计紧缩也通过代理完全切换度量家族实现，但收敛反映的是模仿而非理解。这一发现对AI在自动化政策评估和实证研究中的日益增长使用具有启示意义。