정적인 과제를 넘어, 언어 모델이 어떻게 추론하고 검색하며 시간에 걸쳐 동작하는지를 연구합니다.
성능 수치를 높이기보다, 문제에 내재한 가정을 규명하고 모호한 능력을 관찰과 검증이 가능한 형태로 정의하는 연구를 합니다.
LLM reasoning, RL, agent, retrieval 분야에서 연구 인턴십을 찾고 있으며, 특히 산업 현장의 문제를 다루는 연구 조직에 관심이 있습니다.
소개
서울대학교 산업공학과 박사과정이며, DSBA 연구실에서 강필성 교수님의 지도 아래 언어 모델을 연구하고 있습니다.
주로 기존 연구가 당연하게 전제하는 가정을 다시 살펴보고, 아직 명확히 정의되지 않은 능력을 관찰과 검증이 가능한 실험 구조로 바꾸는 연구를 해왔습니다. 모호한 연구 방향을 구체적인 문제 정의와 벤치마크, 검증 가능한 가설로 좁혀 가는 과정에 관심이 많습니다.
삼성화재, KakaoBank, LG전자, IITP 등과의 산업 협력 프로젝트에도 참여해, 현장의 문제를 연구 문제로 옮기고 실제 제약 아래에서 동작하는 시스템을 다뤄 왔습니다. 자세한 산학협력 내용은 CV를 참고해 주세요.
대표 연구
-
AlienLMICML 2026
모델에게는 여전히 쓸모 있지만 외부 관찰자는 원래 형태를 복원하기 어려운, 외계어처럼 변환된 언어를 연구합니다. 블랙박스 LLM을 외부 API로 사용할 때 입력을 보호하면서도 성능을 유지하는 프라이버시 활용을 목표로 합니다. 라이브 데모가 있는 프로젝트 페이지도 있습니다.
-
ContAccumNeurIPS 2024
대조학습을 비교 대상뿐 아니라 비교 기준이 되는 query까지 누적해 개선합니다. 검색(retrieval) 모델을 제한된 GPU 환경에서도 큰 배치 효과를 내며 안정적으로 학습할 수 있습니다.
-
CheckEvalEMNLP 2025
LLM-as-a-judge를 human correlation이 아니라 모델과 샘플 변화에 대한 안정성 중심으로 다시 봅니다. 모델이나 데이터가 바뀌어도 일관된 자동 평가가 필요한 실제 서비스 환경에서 유용합니다.
진행 중인 방향
The output is not the answer. The output is the trajectory.
대부분의 에이전트 벤치마크는 과제를 끝낼 수 있는지를 묻지만, 실제 산업 환경에서는 변화하는 상황 속에서 목표를 지속적으로 유지하는 능력이 더 중요합니다. OperationBench는 이러한 운영형 에이전트를 평가하기 위한 초기 단계 프로젝트입니다.
연구 밖에서
연구 외에는 책과 영화를 즐기고, 스쿠버다이빙과 프리다이빙으로 시간을 보냅니다. 두 마리 고양이 Luce와 hoyang과 함께 지냅니다.
연락
LLM reasoning, RL, agent, retrieval 분야를 연구하거나 실제 서비스에 적용하려는 조직과의 협업에 관심이 있습니다. 현재 연구 인턴십 기회를 찾고 있으니, 관련 논의가 있으시면 편하게 연락 주시기 바랍니다.
소식
- 2026년 7월브라우저에서 tokenizer 데모를 직접 실행할 수 있는 AlienLM 프로젝트 페이지가 공개되었습니다. [프로젝트 페이지] [arXiv] [코드]
- 2026년 5월AlienLM이 ICML 2026에 accept되었습니다.
- 2026년 5월새 under-review 원고와 정리된 논문을 반영해 CV를 업데이트했습니다.
- 2026년 3월belief-shift reward와 반도체 장비 로그 retrieval 관련 원고가 under review입니다.
- 2026년 1월AlienLM 논문(arXiv)과 코드가 공개되었습니다. [arXiv] [코드]
- 2025년 11월CheckEval이 EMNLP 2025에 게재되었습니다.
- 2025년 7월Verbosity-Aware Rationale Reduction이 ACL 2025에 게재되었습니다.
- 2024년 12월memory-efficient dense retriever 학습 방법인 ContAccum이 NeurIPS 2024에 게재되었습니다.