Khoa Hệ thống thông tin

Chúc mừng nhóm sinh viên lớp TMĐT2024.1 Khoa Hệ thống Thông tin có bài báo được chấp nhận tại hội nghị khoa học quốc tế ICEBA 2026

27/09/2026 Nghiên cứu - Học thuật 368

CHÚC MỪNG NHÓM SINH VIÊN LỚP TMĐT2024.1 NGÀNH THƯƠNG MẠI ĐIỆN TỬ CÓ BÀI BÁO ĐƯỢC CHẤP NHẬN TẠI HỘI NGHỊ KHOA HỌC QUỐC TẾ ICEBA 2026

The 7th International Conference on Engineering, Physics, MEMS-Biosensors and Applications (ICEBA 2026) là hội nghị quốc tế dành cho các nhà nghiên cứu, học giả và chuyên gia trong lĩnh vực Kỹ thuật Điện, Khoa học Máy tính và Trí tuệ Nhân tạo, tạo diễn đàn để chia sẻ kết quả nghiên cứu, ứng dụng thực tiễn và trao đổi về những vấn đề, hướng nghiên cứu mới.
ICEBA 2026 sẽ được tổ chức tại TP. Hồ Chí Minh và Vũng Tàu từ ngày 02 đến 04/11/2026. Proceedings của hội nghị được chỉ mục Scopus (Q4) và các bài báo được chấp nhận sẽ được xuất bản bởi Springer Nature trong series Lecture Notes in Electrical Engineering (LNEE).

Thông tin chi tiết về hội nghị có thể tham khảo tại: ICEBA 2026 — 7th International Conference on Engineering, Physics, MEMS-Biosensors & Applications

Tên bài báo: “Beyond Blind Autonomy: A Provenance-Sensitive Delegation Framework for Large Language Model Trading Controllers”

Sinh viên thực hiện:

  • Hà Nam Khang – MSSV: 24520733 – Lớp TMĐT2024.1
    Lê Hiếu Huy – MSSV: 24520666 – Lớp TMĐT2024.1

Giảng viên hướng dẫn: TS. Liêu Nguyễn Ngọc Quế

Abstract: Evaluations of large language model (LLM) trading agents can wrongly attribute end-to-end performance to the model when legacy rules, imported state, or execution assumptions also determine outcomes. Such provenance failure can convert composite-system performance into unjustified automation authority. We introduce the Agentic-Control Delegation Gate (ACDG), a provenance-sensitive framework requiring five conjunctive claims: attributable agency, information separation, execution validity, simultaneous benefit-risk sufficiency, and operational governance. In an exploratory archival audit of eight AAPL- and GOLD-labeled asset-period cases using meta-llama/Llama-3.3-70B-Instruct traces, 338 of 744 closes (45.4%) are automatic legacy exits.

Because the retained table records entry timing but not direction, 744 entry sides are recovered from same-day executed entries; nine unsupported entries fail closed. Under common next-open execution, unit exposure, and turnover costs, 5-bp annualized mean returns are 11.45% for the LLM decision trace, 13.30% for the legacy-exit overlay, and 4.57% for the full hybrid, versus 14.24% for SVM, 13.03% for XGBoost, and 21.55% for buy-and-hold. The decision trace is positive versus Cash but fails the material-benefit and relative-risk gates; circular-shift placebos provide no consistent timing evidence. ACDG therefore supports explanation, exception triage, and audit assistance, but not irreversible execution control.

.

Các bài đã đăng