Dunamu 机器学习：从国际学会到服务落地…加速升级 AI 平台

by Ryu Hyunseok

Published 18 Dec.2025 09:40(KST)

运营虚拟资产交易所Upbit的Dunamu于18日公开了其在2025年一年间于人工智能（AI）领域取得的全球研究成果。

Dunamu机器学习（ML）团队今年1月在阿拉伯联合酋长国阿布扎比举行的国际计算语言学大会“COLING 2025”主会议上发表了与文本‑SQL转换相关的研究论文。COLING是自然语言处理（NLP）和计算语言学领域全球最具权威的国际学会之一，审稿标准极为严格。

在会上发表的论文《MCS-SQL：文本‑SQL转换中利用多重提示和多项选择的方法》（原文：MCS-SQL: Leveraging Multiple Prompts and Multiple-Choice Selection For Text-to-SQL Generation）提出了改进基于大规模语言模型（LLM）的文本‑SQL转换过程中响应不一致问题的方法。该方法通过多重提示生成多个SQL候选语句，再从中选取最优结果，从而同时提升了准确度和效率。该模型在文本‑SQL转换基准测试BIRD-SQL全球排行榜中位居第1名，已证明其技术优越性。

与此同时，Dunamu ML团队还在今年7月于意大利帕多瓦举行的信息检索领域顶级国际学会“SIGIR 2025（第48届ACM信息检索研究与开发国际会议）”上发布了研究成果。SIGIR被认为是竞争极为激烈的学会，今年投稿论文中仅约27%获准录用。

在SIGIR上发表的论文《基于LLM的用户模拟器：在无真实用户交互的情况下训练新闻推荐模型的方法论》（原文：LLM as User Simulator: Towards Training News Recommender without Real User Interactions）提出了一种在没有真实用户数据的前提下，利用LLM生成虚拟用户并训练推荐模型的方法。由Dunamu ML团队开发的“LAUS（LLM As User Simulator）”框架，兼顾解决了大规模用户数据收集负担和个人信息保护问题。实验结果显示，与在无训练数据情况下进行新闻推荐的零样本（zero-shot）方式相比，LAUS展现出更优性能，同时还缩短了响应延迟时间。

Dunamu不仅在研究成果方面取得进展，也将AI技术的应用扩大到实际服务中。Upbit开发者中心通过全面改版推出了基于AI的“Upbit Assistant”。该服务通过学习开发者中心文档，为用户提供API示例、文档摘要、指南检索等功能，提升了开发便捷性。平台还提供llms.txt格式，便于在GPT、Claude等主要AI工具中调用最新的Upbit API文档，并新增可下载历史行情数据的“Upbit Historical Market Data”服务，从而强化了数据驱动的开发环境。

Dunamu的投资信息平台“证券Plus”同样对AI功能进行了高度升级。新设的“新闻室”标签利用Dunamu自主开发的机器学习算法，对新闻的重要性和市场影响力进行综合分析，并将投资决策所需信息按优先级进行排序。在“快讯”板块，通过标题和三行摘要快速传达核心内容；在“主要新闻”板块，则筛选并提供当日市场影响力最大的“24小时核心新闻TOP5”。每条新闻均标注关联股票名称及行情涨跌幅，提升了投资者对信息的利用效率。