스마트 창고 출고 지연 예측 AI 경진대회

저도 수상 경험이 많은 게 아니고 운 좋게 수상한 케이스라, 조언보다는 제 경험 위주로 공유드리면요!

[질문 1. 사용 툴]
위에서 언급한바와 같이 특정 툴을 정해두기보다, 개인 퀀트 트레이딩 연구개발용으로 만들어둔 에이전트 아키텍처를 활용하고 있어요. 
OpenRouter API로 다양한 프론티어 모델(GLM, Kimi, DeepSeek, Opus, GPT 등)을 조합해서, 선정한 n개 모델이 토론 → 실험 → 검증 순으로 거의 자동화되어 돌아가는 구조입니다. 시스템 프롬프트, 연구 목표 설정, 아키텍처 자체는 실험하면서 계속 고도화하는 중이고요.

[질문 2. 개선이 정체될 때]
이전에 대회들에 주로 직접 실험을할 땐, 해당 도메인의 SOTA 모델과 선행 연구를 현재 시점 기준으로 전수 조사하고, 오픈소스가 있으면 가져다 써보는 걸 1순위로 했어요. 데이터도 마찬가지고요.

다만 제 경험상 ML 대회 순위는 이 세 가지에서 갈리는 것 같습니다.

1.EDA 인사이트 → FE 처리 (사실상 여기서 등수가 갈림)
2.FE에 맞는 모델링 (모델1에서 좋던 FE가 모델2에선 노이즈가 되기도 함)
3.안전빵 점수 올리기 (n-fold, 앙상블)

그래서 AI를 이용하여 참여하시더라도 EDA를 매우 깊게 파보시고, 거기서 얻은 인사이트로 프롬프트와 에이전트를 개선해나가시는 방향을 추천드립니다.
그리고 "AI한테 너무 빌붙어서 딸깍만 하는 느낌"이 드신다면, EDA 파트에서 AI와 더 많이 대화하며 공부해보시는 것도 좋을듯합니다. 

결국 개선이 막힐 땐 답은 데이터에 있다고 보고, 도메인 특성을 고려한 EDA/FE 조합을 다양하게 실험해보시는 걸 권합니다. 그래도 안 풀리면 해당 도메인 선행 연구에서 어떤 전처리/FE가 잘 먹히는지 찾아 적용해보시는 게 좋아요!

도움이 되셨을지는 모르겠습니다만, 화이팅입니다! 🔥

자세한 답변 너무 감사합니다!!

감사합니다!

각 노드들마다 같은 모델이더라도 역할을 구분하여서 1. 가설을 세우는, 2. 해당 가설에 대한 시비?를 거는, 3. 통과한 가설에 대해서 실험 결과를 분석하는 등.. 이 부분은 개인의 연구의 몫인 듯합니다. 큰 틀에서는 위와 같이 기능을 저는 구성하고 있고, 위에서 말씀드린 오픈라우터 기반에서 다양성이 중요한 것 같아 저는 딥시크나 LGLM, Kimi, GPT 등 다양하게 이용 중입니다!