RESEARCH · TECHNICAL BASIS

예측을 위한 구조를
연구합니다.

서로 영향을 주는 여러 신호를 하나의 줄로 압축하지 않고 예측할 수 있는가. OTIFY의 연구는 이 질문에서 출발합니다. 독자 아키텍처 LPM, 그 위의 엔진 OPX, 그리고 평가⁠·검증의 원칙을 공개 범위 안에서 설명합니다.

OPX 엔진 연구 협업 문의

관계를 보존하는 연구 — OTIFY의 기술과 사람을 표현한 픽셀 콘셉트 아트

TECHNOLOGY

아키텍처 · 엔진 · 기술 영역.

세 가지는 같은 층위가 아닙니다.

ARCHITECTURE

LPM

Large Predictive Model. 입력 채널마다 고유의 공간을 유지한 채 채널 사이의 관계를 계산하고, 그 관계에서 다음 상태를 추론하도록 설계한 독자 아키텍처. 아키텍처와 학습 방법론은 비공개 기술 자산입니다.

ENGINE

OPX

LPM 위에 구축한 범용 예측 엔진. 시계열⁠·이벤트⁠·텍스트⁠·상태를 입력으로 다음 상태, 괴리, 구간, 대응 후보를 돌려줍니다.

OPX 엔진

AREA

시계열·TSFM

OPX 안에서 시계열 기반 모델의 역할을 맡는 기술 영역. 공개 범용 시계열 모델과 비교 평가한 부분입니다.

시계열 예측

LLM AND LPM

언어 모델과의 관계.

문서·대화가 핵심인 과제는 LLM이, 다차원 신호의 다음 상태가 핵심인 과제는 LPM이 맞습니다.

LPM은 LLM과 역할이 다릅니다. 과제에 따라 LLM 기반 접근과 함께, 또는 LPM을 기반으로 엔진⁠·에이전트⁠·AI 시스템을 구성합니다. 언어 이해⁠·생성 기반 접근과 다차원 관계 예측 접근은 역할이 다릅니다.

TOPICS

연구 주제.

다차원 관계

채널 사이의 관계를 유지한 채 계산하는 구조.

도메인 이전

같은 엔진을 금융 → 영상 → 데이터센터로 옮기며 확인하는 범용성.

평가와 검증

데이터·기간·비교 조건·지표를 함께 보는 원칙.

검증 방법

EVALUATION PRINCIPLE

검증 방법.

숫자 하나가 아니라 조건과 함께 읽습니다.

데이터

어떤 데이터를, 어떤 간격으로. 공개 데이터인지, 현장 데이터인지.

기간

학습 구간과 평가 구간의 분리, 그 사이 간격.

비교 조건

도메인 학습 여부, 비교 모델의 상태⁠(제로샷⁠·미세조정), 입력 길이.

지표

방향 정확도, 오차, 구간별 결과를 도메인별로 평가합니다.

내부 평가 기록 — 조건과 함께 보기

OPX의 시계열 영역을 공개 범용 시계열 모델과 같은 데이터⁠·구간에서 비교한 내부 평가를 진행했습니다. 세부 수치는 평가 조건과 함께 별도 자료로 제공합니다.

DATA · 공개 금융 시계열(1분 OHLC)PERIOD · 2025.7–2026.6CONDITION · OPX는 도메인 학습, 비교 모델은 공개 사전학습⁠(제로샷)SCOPE · 금융 한 영역 · 내부 평가⁠(Preliminary)RESULT · 7개 구간 다음 봉 방향 정확도 평균 74.1% (비교 모델 최고 57.1%)LIMIT · 다른 도메인 성능을 뜻하지 않음 · 외부 검증 전

데이터센터 운영 데이터 검증은 CINECA Marconi100 공개 데이터로 진행 중이며, 결과는 2026년 11월 공개 예정입니다.

TECH NOTES