LLM에 의한 알고리즘 거래 프로그램의 메타 진화
최근 연구 결과 대규모 언어 모델(LLM)은 프로그래밍 및 증명 발견을 위한 의미 변형 연산자로 작용할 수 있음을 보여주었습니다. 대부분의 현재 응용 프로그램은 정적 코딩 벤치마크에 집중하고 있습니다. 우리는 알고리즘 거래라는 새로운 도메인에 이 패러다임을 확장합니다. 이 도메인은 소음이 많은, 비stationary, 그리고 극단적으로 불연속적입니다. 우리는 AlgoEvolve라는 LLM-기반의 진화 프레임워크를 제시합니다. 이 프레임워크는 생성, 평가, 그리고 반복적으로 개선 가능한 거래 전략을 생성합니다. 이 전략은 파이썬 코드로 표현되고 엄격한 테스트 프로토콜을 통해 평가됩니다. 여러 실험을 통해 시스템은 출현하는 전략 logic이 있으며, 거래 규칙에 대한 자율적인 Shift를 포함합니다. 우리는 또한 meta-evolutionary outer loop를 소개합니다. 이 outer loop는 inner loop에서 프로그램 합성에 대한 지시문을 조정하는 outer loop입니다. 이 outer loop는 검색 heuristics를 발견합니다. 이 heuristics는 탐험과 탐욕의 균형을 이루며 zero-trade failures를 줄입니다. 이 heuristics는 초기 인간 설계된 지시문보다 항상 우수합니다. 결과는 LLM 기반의 의미 진화가 복잡한 환경에서 지속적인 프로그램 합성을 위한 유용한 접근 방식이 될 수 있음을 보여줍니다.
함께 읽으면 좋은 기사
AMD가 인공지능 회사 월드 랩스(Wold Labs)를 8억 달러 이상에 인수한다
AMD가 대규모 언어 모델(LLM) 및 인공지능(AI) 기술 연구소인 World Labs를 8억200만 달러 규모의 주식 교환으로 인수한다고 발표했다. World Labs는 2024년에 설립되었으며 몇 개월 만에 10억 달러 규모의 기업으로 성장했다. 이 스타트업은 첫 번째 상업 제품으로, 세계 생성 모델을 포함하는 AI 플랫폼을 출시했다.
시각성 겹침: 방향성 기원 내 개중량 모델 계통
가중치가 공개된 모델은 종종 최적화, 정렬, 병합, 다시 공개되는 과정을 거치게 되며, 모델의 기원에 대한 감사는 단순히 체크포인트가 관련되어 있는지 여부를 확인하는 것만이 아닌, 체크포인트 중 누가 먼저 만들어졌는지 또한 확인해야 하는 상황이 발생합니다. 현재까지 존재하는 모델 기원에 대한 방법들은 주로 기존에 알려진 모델을 대상으로 하는 감사 설정에 설계되어 있으며, 주어진 모델 중 한
AI를 자산으로, 비용으로만 볼 것인가
고객들이 AI 비용에 대해 이야기할 때, 대화는 보통 토큰 가격으로 시작하고 cloud에서 가장 강력한 모델에 접근할 수 있는지에 대해 끝나곤 합니다. 그들이 항상 그 정도의 능력 필요하다는 건 항상 그렇지는 않습니다. 하지만 그 정도로 대화가 진행되곤 합니다. AI는 실험에서 생산으로 옮겨갈 때, 모델 선택은...
AI가 과학적 발견을 하는 시점은 언제인가?
AI 기술 회사인 Anthropic은 대규모 언어 모델(Claude agents)을 통해 생물학 문제를 해결하고자 하는 연구를 진행 중입니다. 연구 결과, AI가 과학적 발견을 하는 시점에 대해 궁금해하시는 분들을 위해 자세한 내용을 소개합니다.
플로리다 주의
플로리다 주 법무장관은 OpenAI를 상대로
LLM이 문맥을 이해할 수 있는가? 지식 그래프 기반 평가 프레임워크
대규모 언어 모델(LLMs)가 언어 능력에 대해 놀라운 성과를 보인 것은 사실이지만, 그 모델의 심장에 깊이 있는 질문 하나가 남아 있다: 이러한 모델들이 정말로 문맥을 이해하거나 단순히 무려 대규모 패턴 매칭에만 능통한 것일까? 대규모 언어 모델에서 문맥 이해는 주어진 문맥에서 관련 정보를 정확하게 추출하고, 그것을 일관된 내부 표현으로 통합하고, 그 문맥을 바탕으로 사실적이고 문맥적으로
관련 콘텐츠 더 보기
다른 플랫폼에서 이 주제에 대한 더 많은 정보를 확인하세요.