黄鹤翔.

从统计学视角量化大语言模型输出的事实不一致性。采用统计散度度量（KL 散度、JS 散度）与校准框架对 LLM 的不确定性进行建模，建立可解释的幻觉检测体系。研究致力于在生成式 AI 的可靠性评估方向贡献统计学方法论。

基于概率校准（probability calibration）与不确定性量化（uncertainty quantification）框架，对 LLM 输出 token 的置信度进行建模，并通过散度度量识别事实性偏离。

基于 BERT 等中文预训练模型，对 A 股财经新闻与上市公司财报文本进行情绪极性提取。将日度情绪聚合为股票级别的情绪 Alpha 因子，在截面数据上通过 IC、IC_IR 等指标验证其对未来收益的预测能力。

数据源涵盖财经新闻、研报、年报。使用预训练 BERT 在金融语料上微调，输出 token 级别情感分数后聚合至股票-日维度。引入文本质量加权与时间衰减，构建可交易的情绪因子。

融合价值、动量、质量三类经典因子，构建 A 股多因子选股策略。采用 Spearman IC、IC_IR 评估因子单调性与稳定性；通过 Fama-MacBeth 截面回归检验因子在控制其他风险后的解释力；完成包含手续费、滑点等真实交易成本的全流程回测。

因子层面采用横截面 Z-Score 标准化与行业市值中性化；组合构建采用分层加权法；回测引入真实交易摩擦，包括双边手续费、市场冲击模型与最小持仓约束。

第十一届世界渲染大赛参赛作品。使用 Blender 完成从建模、UV 拆分、材质制作、灯光布置到最终渲染输出的全流程。3D 建模学习两年，熟练掌握 Blender 的工作流程与渲染原理。