본 논문은 다양한 작업의 복잡성을 동시에 처리하는 다중 작업 학습을 활용하는 감정 분석을 위한 대규모 언어 모델(LLM)의 성능 저하 문제를 해결하기 위해, 동적 적응형 최적화(DAO) 모듈을 갖춘 새로운 다중 작업 학습 프레임워크를 제안한다. DAO 모듈의 핵심 구성 요소인 동적 적응형 손실 함수는 학습 중에 각 작업의 상대적 중요도와 데이터 특성에 따라 작업에 할당되는 가중치를 동적으로 조정한다. 표준 및 맞춤형 금융 텍스트 데이터 세트에 대한 감정 분석 결과, 제안된 프레임워크는 이전 연구보다 MSE를 15.58%, ACC를 1.24% 향상시키는 우수한 성능을 달성함을 보여준다.
