EXAONE Finance 公開 2.02 億參數無注意力時序模型，權重與程式採不同授權

LG AI Research 公開 EXAONE Finance 1.0 權重與 EXAONE-Forecast 推論程式，將金融時序預測做成不需針對每個資料集更新梯度的零樣本基礎模型。這個 2.02 億參數模型完全移除自注意力：每個區塊以核心大小為 7 的因果一維卷積混合時間資訊，再以群組感知 pooling MLP 處理不同變量，因此理論計算量分別隨序列長度與變量數線性成長，而不是注意力的平方級成本。

模型接受單一序列、不同長度的序列清單或二維多通道陣列，會在內部正規化並處理以 `NaN` 表示的缺失值。訓練時加入連續區段遮罩，使模型適應金融資料常見的停牌、不同交易日與間歇觀測。公開 checkpoint 的上下文為 512、最大預測範圍為 2,048，輸出從 0.01 到 0.99 的 21 個分位數，因此可直接產生中位數預測與不確定性區間，而非只有單一點估計。

團隊稱 EXAONE Finance 在 FinVerse 的點預測、橫斷面排序與投資組合結果三層評測均排名第一，並在相同視窗下比較了 44 款模型。不過 FinVerse 與候選模型評測同樣由 LG 團隊建立；投資組合回測也不能等同未來可交易報酬，仍需檢查交易成本、資料時間戳、資產下市與市場制度變化。另一項部署陷阱是授權分離：GitHub 推論程式採允許商用的 BSD-3-Clause-LG AI Research License，但 Hugging Face 權重只准非商業研究與教育。工程團隊接下來應優先驗證資料洩漏、跨市場時期漂移、實際延遲，以及群組感知混合器尚未在此 checkpoint 啟用完整跨序列分組的影響。