알고리즘 트레이딩: 모델을 업그레이드하기 전에 백테스트부터 디버깅하세요
백테스트 성능이 좋아졌다면 모델의 복잡도보다 먼저 데이터 누수, 과적합, 거래 비용과 주문 실행 조건을 점검해야 합니다. 글은 Python과 합성 데이터로 정보 시점 검증, 공정한 모델 비교, 비용 반영, 주문 상태 관리까지 재현 가능한 점검 절차를 설명합니다.
최신 글
LLM 멘탈리스트 효과 — 대규모 언어 모델의 지능 착시는 어떻게 만들어지는가
이 글은 대규모 언어 모델(LLM)이 지능적으로 사고한다는 인상이 심령술사의 콜드 리딩과 유사한 심리적 착시에서 비롯될 수 있다고 주장합니다. 사용자의 주관적 검증과 RLHF가 통계적으로 그럴듯하고 개인화된 답변을 강화하면서, 모델이 실제로 이해하고 추론한다는 믿음을 만들어낸다는 분석입니다.
왜 머신러닝 연구 에이전트는 오버피팅하지 않는가 — 압축 가능성으로 푸는 벤치마크의 수수께끼
ML 연구 커뮤니티가 수년간 같은 벤치마크를 반복 개선하는데도 성능 향상이 새 테스트 세트로 전이되는 이유를 Amazon 연구진이 '압축 가능성'으로 설명합니다. LLM 연구 에이전트가 찾아낸 최적화 전략이 16~32토큰 프롬프트로 압축돼도 초기화된 에이전트가 그대로 재현할 수 있음을 보였고, 오버피팅된 전략은 이 병목을 통과하지 못해 오버피팅 탐지 수단으로도 쓸 수 있습니다.