陈默调出模型训练日志，2020年负油价事件的数据区间赫然标注为“未标注异常值”，旁边附有实习生小林的批注：“极端行情样本不足，暂按常规波动处理。”他的指甲敲击着屏幕，发出清脆的声响：“ai的训练数据集中，千股跌停场景被归类为‘波动率均值回归’，模型没经历过真正的恐慌，把危机误判为均值回归的买入机会。”
林语晨调出北向资金因子的回测报告，2020年3月的数据区间错误覆盖了负油价事件，导致模型在类似场景下持续加仓：“相关性矩阵在极端行情下失效，就像用体温计测量火山温度，”她的声音里带着自责，“我们过度依赖历史数据的统计规律，却忽略了市场情绪的非线性突变。”
深夜23点，交易室只剩下陈默的工位亮着台灯，2020年3月场景模拟的进度条在屏幕上缓慢爬行。当模拟运行到第15个交易日时，模型在油价暴跌期间连续5日加仓，资金曲线如自由落体，最大回撤达68。他盯着模拟结果，后背浸透冷汗，想起403章末未修正的回测区间：“我们给ai装上了识别k线的眼睛，却没给它一颗判断人性的心，”他喃喃自语，“它学会了数据模式，却没学会恐惧。”
在操盘日志中，他写道：“当ai学会识别k线，却没学会识别人性。”钢笔尖在“人性”二字上停顿，墨迹在纸页上晕开小团阴影。林语晨的消息弹窗适时亮起，蓝色的字体在黑暗中格外醒目：“已申请改用dqn算法，明天开始训练，重点强化极端行情响应。”
他回复：“注意奖励函数设计。”发送键按下的瞬间，窗外的暴雨敲击着玻璃，闪电的光芒短暂照亮交易室，映出他疲惫的侧脸。他知道，dqn算法的奖励函数设计将决定模型的行为模式——过度追求短期收益可能导致频繁交易，而忽视长期风险，就像在钢丝绳上跳舞，每一步都可