在ACM ICAIF发表10篇论文,全球研究团队业绩第一
LLM投资偏见分析等获好评,全球金融机构纷纷伸出橄榄枝
UNIST在被称为金融人工智能领域“奥运会”的世界最大会议上大幅提升了韩国的国际地位。
UNIST(校长 Park Jongrae)产业工学系 Lee Yongjae 教授团队在全球最大金融人工智能学会“ACM ICAIF 2025”上,以单一研究团队发表论文数量最多的成绩,提升了韩国金融人工智能的声望。
国际金融领域人工智能会议(International Conference on AI in Finance, ICAIF)是由计算机协会(Association for Computing Machinery, ACM)主办的学术会议,被认为是金融领域规模最大的国际人工智能学会之一,摩根大通、贝莱德、彭博等全球金融机构以及各国学界研究人员均参与其中。
本次“ACM ICAIF 2025”大会于本月15日至18日在新加坡举行。今年共收到投稿349篇,其中仅有31.8%、即111篇被录用,其中口头报告54篇、海报报告57篇。
Lee 教授团队在其中共发表了8篇论文,包括3篇口头报告和5篇海报报告。
这是今年所有已发表的正式论文中数量最多的单一研究团队。该团队与美国加州大学洛杉矶分校(UCLA) Mihai Cucuringu 教授团队(6篇)、资产管理公司贝莱德的 Dhagash Mehta 博士团队(5篇)等世界顶尖研究团队比肩而立。
研究质量同样引人注目。其中,分析大规模语言模型(LLM)在投资判断中偏差的研究《投资分析中大规模语言模型的偏向性(Your AI, Not Your View: The Bias of LLMs in Investment Analysis)》尤为受到关注。
韩国银行和韩国投资公司就此举办了邀请研讨会,瑞银集团(香港)、彭博(纽约)以及多家全球对冲基金等机构也相继发出报告邀请。
该论文以实证方式展示了:ChatGPT、Gemini、Llama、DeepSeek 等主要大规模语言模型(LLM)会根据行业类别、企业规模、投资策略的不同,呈现出各不相同的“投资偏向”。这意味着,即便询问同一只股票,不同模型也可能给出不同判断。
当向模型提供与其偏向相冲突的依据时,各模型改变立场的程度也存在较大差异。这表明,在训练阶段形成的倾向,未必能够随着实际市场变化而得到灵活调整。
Lee 教授强调:“打算引入基于大规模语言模型金融服务的金融机构,必须对各模型的偏向进行细致排查。”Lee 教授团队已将研究验证结果以排行榜形式公开,并表示今后每当有新模型出现时,都会持续更新。
研究团队还共同参与了本次学会中三个研讨会的组织,分别是:▲面向金融的大规模语言模型与生成式人工智能 ▲金融时间序列分析 ▲新兴市场金融风险建模。
此外,团队还负责了“金融文档智能体检索”竞赛和“面向金融优化的以决策为中心的学习”教程,为大会的质量提升作出了贡献。
今年大会上,韩国的研究成果实现了大幅跃升。在ICAIF录用论文中,以通讯作者为基准,14%来自韩国本土研究人员,位列美国(31%)、英国(27%)之后,居世界第三。学界评价认为:“UNIST研究团队的出色表现,让韩国金融人工智能的存在感深深铭刻在国际舞台上。”
Lee 教授持续扩大其在国际学会中的活动。自2022年首次投稿以来,去年以研讨会主席身份参与了组委会工作。
他说:“在三年前首次参加的学会上,能够成长为发表论文最多的团队,感触良多。衷心感谢一直以来投入热情进行研究的学生和同事。希望国内金融业的人工智能研究基础不断拓宽,将来能在首尔也成功承办这样的世界级学会。”
ICAIF计划在2026年于米兰、2027年于美国举办大会之后,2028年在亚洲举办。
Lee Yongjae 教授目前担任总统直属国家人工智能战略委员会分科委员、金融委员会金融业人工智能协商会委员,并出任全球金融人工智能企业 LinqAlpha 的咨询教授,将研究成果与实务应用相结合。
版权所有 © 阿视亚经济。未经许可不得转载,禁止用于AI训练及使用。