Papers·2일 전
UIUC, 사회적 신념 진화 예측 모델 SWM 공개 — Kalshi 데이터에서 SOTA
UIUC 연구팀이 사회적 사건 이후 신념 변화를 예측하는 Social World Model(SWM)을 제안했습니다. SWM은 예측 시장(Kalshi, Polymarket) 데이터에서 시계열 패턴을 학습해 별도의 주석 없이도 신념 전이 함수를 추정합니다. Kalshi 데이터에서 기존 시계열 모델 대비 최고 성능을 기록했으며, Polymarket에서도 경쟁력 있는 결과를 보였습니다. 다만 12k 데이터 포인트 규모의 벤치마크로, 더 다양한 도메인과 언어에 대한 일반화는 추가 검증이 필요합니다.
UIUC 연구팀이 사회적 사건 이후 신념 변화를 예측하는 Social World Model(SWM)을 공개했습니다.
핵심 결론
- 태스크 — 사회적 사건(정책 변화, 과학적 돌파구 등)에 따른 사회적 신념의 동적 변화를 예측.
- 벤치마크 — 예측 시장 Kalshi와 Polymarket에서 12k+ 데이터 포인트로 구성된 SWM-bench 구축.
- 성능 — Kalshi 데이터에서 시계열 기반 모델 대비 SOTA, Polymarket에서도 경쟁력 있는 결과.
방법
- 프레임워크 — SWM은 사회적 신념의 상태 전이 함수를 학습하는 일반 프레임워크.
- 학습 — 사건-신념 변화 간 명시적 주석 없이, 사회 데이터의 시계열 패턴과 evidence lower bound 최적화로 학습.
- LLM 활용 — LLM의 상식 및 사회 지식을 활용해 사건과 신념 변화를 연결.
한계·조건
- 데이터 — 벤치마크는 정치·금융·암호화폐 도메인에 한정, 일반화 검증 필요.
- 비용 — LLM 기반 추론 비용이 추가로 들며, 실시간 예측에는 최적화가 필요.
- 코드 — 논문 내 코드 공개 여부 미기재 — 재현성 확인 필요.
편집자 한 줄
예측 시장 데이터를 활용한 점이 독특합니다. 실제 예측 시장과의 비교가 더 있으면 좋았을 텐데, 벤치마크 자체가 예측 시장에서 나온 점이 흥미롭네요.
- #social-world-model
- #belief-dynamics
- #prediction-markets
- #uiuc
- #llm
University of Illinois at Urbana-Champaign