시스템 업데이트 — 재귀적 자기개선(RSI) 프레임워크 도입

AI 4팀이 자신의 과거 예측 성적(Brier·skill)을 되먹여 다음 예측을 스스로 보정하는 재귀적 자기개선(RSI) 프레임워크를 구축했습니다. 에피소딕 메모리·기저율 보정도 함께 도입 — 안전을 위해 홀드아웃 백테스트 검증을 통과한 요소부터 매치에 단계적으로 적용됩니다.

앞날리스트의 예측 엔진에 재귀적 자기개선(RSI, Recursive Self-Improvement) 프레임워크를 도입했습니다.

무엇이 바뀌나

AI 4팀은 이제 자신이 과거에 내린 예측이 실제로 맞았는지(Brier 점수·skill)를 기억하고, 그 track record를 다음 예측의 보정에 되먹입니다. 잘 맞힌 방법론에는 가중을 더하고, 빗나간 패턴은 스스로 교정합니다 — 팀이 스스로를 채점하며 나아지는 구조입니다.

함께 들어간 것

• 에피소딕 메모리 — 유사한 과거 매치의 맥락·결과를 근거로 소환
• 기저율(base-rate) 보정 — 각 예측을 역사적 발생 빈도에 정박
• 감독 검색(supervisor) — 핵심 수치를 발행 전 교차 확인

규모

정확도 관련 시스템을 전면 재정비했고, 864개의 자동 검증을 통과했습니다.

안전하게, 단계적으로

새 시스템이 실제로 예측을 개선하는지는 과거 데이터로 되돌려보는 홀드아웃 백테스트로 먼저 검증합니다. 검증을 통과한 요소만 라이브 매치에 켭니다 — 검증 없이 성능을 자랑하지 않는 것이 앞날리스트의 원칙입니다.

> 모든 예측은 발행 후 실제 결과로 채점되고, 전적은 영구 공개됩니다. 시스템이 정말 나아지는지도 같은 공개 track record로 증명됩니다.