星紀元前身為一支專注於AI核心技術研發的實驗團隊，由創辦人陳怡安女士率領核心成員，長期深耕於自然語言處理（NLP）、異常偵測（Anomaly Detection）、強化學習（Reinforcement Learning）與金融行為建模等領域，累積深厚的技術底蘊與跨界實務經驗。多年來團隊參與多項先進AI專案，逐步奠定了日後AEAI系列產品的技術骨幹。
語言模型與語意理解技術
- Word2 Vec與語意向量研究
陳怡安女士早於創業前便投入語意向量化技術的研究，成功應用 Word2 Vec 模型於金融新聞分析中，建立第一代語意情緒雷達雛型，為 AEAI2.0 情緒分析模組奠定基礎。
- BERT 中文語意理解應用
參與以 BERT 為基礎的中文語言模型建構，應用於金融新聞情緒分類與問答系統，有效提升中文文本的金融語境解析能力。
- Transformer 架構與多語意抽取
自2021年起，團隊投入基於 Transformer 的跨語言金融語意建模，如 Informer 與 TimeGPT，用於跨市場新聞理解與高頻交易數據預測。此經驗進一步成為 AEAI4.0 的核心語意分析模組。
時間序列預測與金融資料建模
- LSTM / GRU 在價格預測中的應用
自2019年起，團隊使用 LSTM 與 GRU 等序列模型，建構多因子股價預測系統，結合技術指標與歷史價格資料，建立 AEAI1.0 智能預測模組的原型，顯著提升對突發市場變動的敏感度。
- Transformer 時序建模技術
探索基於 Transformer 的時間序列預測模型，應用於多市場走勢預測與高頻交易模式學習，持續優化模型效能與泛化能力。
財務報表分析與異常交易偵測
- AI 輔助財報分析引擎
設計基於 NLP 的企業財報摘要生成技術，結合 Seq2Seq 模型與關鍵詞加權演算法，能自動擷取重點資訊並生成投資提示，曾獲金融 AI 黑客松「最佳應用獎」。
- 異常偵測模型（Anomaly Detection）
領導開發 LSTM 與 Autoencoder 結構之信用卡異常交易偵測系統，應用於金融科技新創 PoC 專案中，成功將誤報率從 17% 降至 4.6%，並推入實際商轉系統。
強化學習與策略性AI發展
- 智能交易代理人（Trading Agent）
自2019年起轉向策略性AI發展，設計以 DQN（Deep Q-Network）為基礎的自動交易代理人，透過市場模擬環境進行策略優化。該原型即為 AEAI3.0 強化學習引擎的雛形，後續經優化後成功應用於實際多市場交易環境。
- 進階強化學習模型
擴展至 PPO（Proximal Policy Optimization）等演算法，持續提升模型在資產配置與風險控管上的表現，實現AI主導的智能資產管理。
