WorldQuant Brain 新公式上线前，真正该先写成路由表的，不是灵感来源，而是数据域、中性化和 Universe 梯度

WorldQuant Brain 的学习路径很容易把人带进一个错觉：只要公式写得更复杂、运算符堆得更多，alpha 就更可能通过。可实际上，很多失败公式并不是败在表达式长度，而是败在路由关系含糊。比如同一个想法，到底应该用 matrix 数据还是先从 vector 数据聚合而来；到底该做 subindustry neutralization 还是 industry neutralization；到底该在更窄的 Universe 里追求信号纯度，还是在更宽的 Universe 里换稳定性，这些决定往往比多加两个算子更重要。

公开的 Brain 学习材料已经把这个边界说得很明显。vector 数据不是普通 matrix 数据的“高维版本”，它本身就意味着同一天同一标的会有多个事件，需要先通过 vec_ 相关操作聚合成单值，才能进入普通矩阵算子链条。如果研究员在这一层没有先写清楚路由，后面的中性化、排名和组合解释都会建立在含糊的输入之上。