Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
보험 계리 분야의 사망률 예측을 위해 LLM을 활용한 신뢰할 수 있는 인터페이스 설계 방안을 제안합니다. LLM을 결정론적 예측 파이프라인을 위한 오케스트레이션 계층으로 사용하여 자연어 입력을 구조화된 설정으로 변환합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.LG의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기사망률 예측 (Mortality forecasting)은 보험 계리 및 정책 결정 과정에서 중요한 역할을 하지만, 그 구현은 기술적으로 복잡하며 비전문가 사용자가 접근하기 어렵습니다. 본 프로젝트는 통계적 검정력 (statistical power)을 유지하면서 사용성을 개선하는 신뢰할 수 있는 대규모 언어 모델 (LLM) 통합 인터페이스를 제안합니다. LLM은 자연어 입력을 결정론적 예측 파이프라인 (deterministic forecasting pipeline)을 위한 구조화된 설정으로 변환하는 제약 조건이 있는 오케스트레이션 계층 (constrained orchestration layer)으로 설계되었습니다. 정확성, 사용성 및 투명성을 보장하기 위해 3단계 방법론이 채택되었습니다. 첫째, CoMoMo 패키지를 사용하여 기성 사망률 예측 결과를 재현하는 베이스라인 파이프라인을 구현합니다. 둘째, 롤링 오리진 평가 (rolling-origin evaluation)와 평균 제곱 오차 (MSE)를 사용하여 다단계 예측을 생성하도록 파이프라인을 확장합니다. 셋째, 프로토타입 인터페이스는 로컬 LLM을 사용하여 사용자의 일상 언어로 된 예측 요청을 처리합니다. 본 시스템은 LLM이 고위험 분석 워크플로 (high-stakes analytical workflows)에서 재현성, 투명성 또는 보험 계리적 타당성을 해치지 않으면서 접근성을 향상할 수 있음을 입증합니다.