CreditR1解説：Brier報酬でLLMのデフォルト確率を校正する
中国A株企業の信用リスクを対象に、SFTとGRPO、Brier score、pairwise ranking、根拠検証を組み合わせたCreditR1の設計と評価結果、限界を解説します。
Personal notes since 2020
考えたこと、
つくったもの。
技術や日々の試行錯誤を、あとから読み返せる形で残しています。
Latest
新着記事
LLMを学習時の教師にするLATTE：銀行取引系列の意味を軽量モデルへ移す
長い銀行取引履歴をLLMへ直接入力せず、統計要約から生成した文章と取引系列を対照学習でそろえるLATTEを、精度、推論速度、再現性から解説します。
LLMを広告rankerにしない：Pinterestの補助予測器がRoASを改善した仕組み
Pinterestの広告推薦論文を題材に、LLMによる広告主予測、SFTとGRPO、Semantic ID、既存のretrieval・rankingへの統合、オンラインRoAS改善と制約を解説します。