related iamge

딥러닝으로 주식 투자의 미래를 엿보다: 샤프 비율 극대화를 위한 동적 포트폴리오 최적화

황강, 주효화, 송청양 연구팀은 딥러닝 강화학습(DRL)을 이용한 동적 포트폴리오 최적화 모델을 개발하여, 샤프 비율 보상 함수와 특수 설계된 심층 신경망을 통해 기존 방식보다 위험 감소 및 수익률 개선에 효과적인 결과를 얻었습니다. CSI300 지수 기반의 실증 분석을 통해 모델의 실제 적용 가능성을 검증했습니다.

related iamge

토큰 예산 인식 LLM 추론: 효율성과 정확성의 조화

한 팅슈 연구팀이 개발한 토큰 예산 인식 LLM 추론 프레임워크는 추론 과정의 효율성을 높여 LLM의 비용을 절감하는 동시에 성능 저하를 최소화하는 혁신적인 기술입니다. 이 연구는 AI 개발의 지속가능성과 경제성에 크게 기여할 것으로 예상됩니다.

related iamge

의료 영상등록의 혁신: 다축 교차 공분산 어텐션(MAXCA)의 등장

Mingyuan Meng 외 연구팀이 개발한 다축 교차 공분산 어텐션(MAXCA)은 고해상도 의료 영상의 미세한 조직 정보까지 정확하게 매칭하는 혁신적인 의료 영상 등록 기술입니다. 기존 방식의 한계를 극복하고 7개 공개 데이터셋 실험에서 최첨단 성능을 입증, 의료 영상 분석 분야에 큰 발전을 가져왔습니다.

related iamge

2024년 미국 대선 예측부터 2028년 평가까지: LLM 예측 모델의 일관성 검증

본 기사는 AI 언어 모델의 예측 성능 평가에 대한 새로운 연구 결과를 소개합니다. 연구진은 '일관성 검사'라는 새로운 프레임워크를 통해 AI 예측의 논리적 일관성을 평가하고, 자동화된 평가 시스템을 구축하여 즉각적인 성능 측정을 가능하게 했습니다. 또한, 2028년 해결 기준을 제시하여 장기적인 성능 평가를 위한 기반을 마련했습니다.

related iamge

딥러닝의 새로운 지평: 언어 생성의 폭(Breadth)에 대한 혁신적인 연구

본 연구는 언어 생성의 '폭'에 대한 혁신적인 연구로, 기존 알고리즘의 한계를 극복하고 Angluin 조건의 중요성을 재조명했습니다. 안정적인 생성기와 불안정적인 생성기의 차이점을 규명하여 향후 연구 방향을 제시하며, 더욱 정확하고 광범위한 언어 생성 시스템 개발에 기여할 것으로 기대됩니다.