論文の概要: Alpha-GPT 2.0: Human-in-the-Loop AI for Quantitative Investment
- arxiv url: http://arxiv.org/abs/2402.09746v1
- Date: Thu, 15 Feb 2024 06:52:42 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-18 16:19:13.090335
- Title: Alpha-GPT 2.0: Human-in-the-Loop AI for Quantitative Investment
- Title（参考訳）: Alpha-GPT 2.0: 定量投資のためのAI
- Authors: Hang Yuan, Saizhuo Wang, Jian Guo
- Abstract要約: 近年,量的投資の領域でアルファマイニングの新しいパラダイムを導入し,インタラクティブなアルファマイニングシステムであるα-GPTを開発した。
このシステムは、大規模な言語モデルに基づく反復的ヒューマン-AIインタラクションを中心に、アルファ発見にHuman-in-the-Loopアプローチを導入している。
本稿では,次世代のAlpha-GPT 2.0フットノートDraftについて紹介する。
- 参考スコア（独自算出の注目度）: 10.11013017172889
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recently, we introduced a new paradigm for alpha mining in the realm of
quantitative investment, developing a new interactive alpha mining system
framework, Alpha-GPT. This system is centered on iterative Human-AI interaction
based on large language models, introducing a Human-in-the-Loop approach to
alpha discovery. In this paper, we present the next-generation Alpha-GPT 2.0
\footnote{Draft. Work in progress}, a quantitative investment framework that
further encompasses crucial modeling and analysis phases in quantitative
investment. This framework emphasizes the iterative, interactive research
between humans and AI, embodying a Human-in-the-Loop strategy throughout the
entire quantitative investment pipeline. By assimilating the insights of human
researchers into the systematic alpha research process, we effectively leverage
the Human-in-the-Loop approach, enhancing the efficiency and precision of
quantitative investment research.
- Abstract（参考訳）: 最近我々は,アルファマイニングのための新しいパラダイムを量的投資の分野で導入し,インタラクティブなアルファマイニングシステムフレームワークであるalpha-gptを開発した。
このシステムは、大規模な言語モデルに基づく反復的ヒューマン-AIインタラクションを中心に、アルファ発見にHuman-in-the-Loopアプローチを導入している。
本稿では,次世代のAlpha-GPT 2.0 \footnote{Draft。
work in progress} – 定量的投資における重要なモデリングと分析フェーズをさらに包含する定量的投資フレームワーク。
このフレームワークは、人間とAIの反復的でインタラクティブな研究を強調し、量的投資パイプライン全体を通してHuman-in-the-Loop戦略を具現化している。
人間の研究者の洞察を体系的なアルファ研究プロセスに同化させることで、循環型アプローチを効果的に活用し、定量的投資研究の効率と正確性を高める。
関連論文リスト
- Measuring Human Contribution in AI-Assisted Content Generation [68.03658922067487]
本研究は,AIによるコンテンツ生成における人間の貢献度を測定する研究課題を提起する。
人間の入力とAI支援出力の自己情報に対する相互情報を計算することにより、コンテンツ生成における人間の比例情報貢献を定量化する。
論文 参考訳（メタデータ） (2024-08-27T05:56:04Z) - AlphaForge: A Framework to Mine and Dynamically Combine Formulaic Alpha Factors [14.80394452270726]
本稿では,アルファ因子マイニングと因子組み合わせのための2段階のアルファ生成フレームワークAlphaForgeを提案する。
実世界のデータセットを用いて行った実験により,我々の提案したモデルは,定式的アルファファクターマイニングにおいて,同時代のベンチマークより優れていることが示された。
論文 参考訳（メタデータ） (2024-06-26T14:34:37Z) - Towards Human-AI Mutual Learning: A New Research Paradigm [9.182022050832108]
本稿では,「人間-AI相互学習」という,人間-AI協調研究のための新たな研究パラダイムについて述べる。
このパラダイムの下で、関連する方法論、モチベーション、ドメイン例、メリット、課題、将来の研究課題について説明する。
論文 参考訳（メタデータ） (2024-05-07T21:59:57Z) - A Survey on Human-AI Teaming with Large Pre-Trained Models [7.280953657497549]
HAIチーム(Human-AI Teaming)は、問題解決と意思決定のプロセスを進めるための基盤として登場した。
大規模事前訓練モデル(LPtM)の出現は、この景観を大きく変えた。
複雑なパターンを理解し予測するために大量のデータを活用することで、前例のない機能を提供します。
論文 参考訳（メタデータ） (2024-03-07T22:37:49Z) - Large Language Model-based Human-Agent Collaboration for Complex Task
Solving [94.3914058341565]
複雑なタスク解決のためのLarge Language Models(LLM)に基づくヒューマンエージェントコラボレーションの問題を紹介する。
Reinforcement Learning-based Human-Agent Collaboration method, ReHACを提案する。
このアプローチには、タスク解決プロセスにおける人間の介入の最も急進的な段階を決定するために設計されたポリシーモデルが含まれている。
論文 参考訳（メタデータ） (2024-02-20T11:03:36Z) - Bringing Generative AI to Adaptive Learning in Education [58.690250000579496]
我々は、生成AIと適応学習の交差研究に光を当てた。
我々は、この連合が教育における次の段階の学習形式の発展に大きく貢献するだろうと論じている。
論文 参考訳（メタデータ） (2024-02-02T23:54:51Z) - From Google Gemini to OpenAI Q* (Q-Star): A Survey of Reshaping the
Generative Artificial Intelligence (AI) Research Landscape [5.852005817069381]
生成人工知能(AI)の現状と今後の動向について批判的考察
GoogleのGeminiや、予想されるOpenAI Q*プロジェクトといったイノベーションが、さまざまなドメインにわたる研究の優先順位とアプリケーションをどう変えているのかを調査した。
この研究は、倫理的および人間中心の手法をAI開発に取り入れることの重要性を強調し、社会規範と福祉の整合性を確保した。
論文 参考訳（メタデータ） (2023-12-18T01:11:39Z) - Exploration with Principles for Diverse AI Supervision [88.61687950039662]
次世代の予測を用いた大規模トランスフォーマーのトレーニングは、AIの画期的な進歩を生み出した。
この生成AIアプローチは印象的な結果をもたらしたが、人間の監督に大きく依存している。
この人間の監視への強い依存は、AIイノベーションの進歩に重大なハードルをもたらす。
本稿では,高品質なトレーニングデータを自律的に生成することを目的とした,探索型AI(EAI)という新しいパラダイムを提案する。
論文 参考訳（メタデータ） (2023-10-13T07:03:39Z) - Alpha-GPT: Human-AI Interactive Alpha Mining for Quantitative Investment [9.424699345940725]
我々は,人間とAIの相互作用を導入し,新たなアルファマイニングパラダイムを提案する。
また,新たな対話型アルファマイニングシステムであるAlpha-GPTを開発した。
論文 参考訳（メタデータ） (2023-07-31T16:40:06Z) - The Future of Fundamental Science Led by Generative Closed-Loop
Artificial Intelligence [67.70415658080121]
機械学習とAIの最近の進歩は、技術革新、製品開発、社会全体を破壊している。
AIは、科学的な実践とモデル発見のための高品質なデータの大規模なデータセットへのアクセスがより困難であるため、基礎科学にはあまり貢献していない。
ここでは、科学的な発見に対するAI駆動、自動化、クローズドループアプローチの側面を調査し、調査する。
論文 参考訳（メタデータ） (2023-07-09T21:16:56Z) - Human-AI Coevolution [48.74579595505374]
Coevolution AIは、人間とAIアルゴリズムが相互に連続的に影響を及ぼすプロセスである。
本稿では,AIと複雑性科学の交点における新たな研究分野の基盤として,Coevolution AIを紹介した。
論文 参考訳（メタデータ） (2023-06-23T18:10:54Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。