장문 텍스트를 예측 특성으로: 실행 가능한 프로그램 검색을 통한 LLM 기반 블록별 특성 공학

요약

본 논문은 비정형 장문 텍스트에 담긴 가치 정보를 추출하기 위해 LLM 기반 오프라인 특성 구축 프레임워크인 LLM-BlockFE를 제안합니다. 이 방법은 장문 텍스트를 실행 가능한 특성 프로그램으로 변환하여 온라인 추론 시 LLM 호출을 회피할 수 있게 합니다. 실험 결과, 다양한 데이터셋과 금융 위험 제어 애플리케이션에서 높은 성능 개선을 입증했습니다.

핵심 포인트

• LLM-BlockFE는 장문 텍스트를 실행 가능한 특성 프로그램으로 변환합니다.
• 온라인 추론 시 LLM 호출 없이 구조화된 특성을 추출할 수 있습니다.
• 깊이 보정 기반의 블록 수준 롤백 메커니즘을 도입하여 검색 정확도를 높였습니다.
• 금융 위험 제어 애플리케이션에서 높은 AUC 및 KS 개선 성능을 보여주었습니다.