수학적 배경을 바탕으로 AI 모델의 이론과 실용을 연결하는 연구자입니다.

수학을 활용하여 AI 모델의 추론 능력과 신뢰성을 향상시키고, 새롭고 효율적인 아키텍처에 대해 연구하고 있습니다.

가끔 코딩 챌린지에 참여하며 다양한 알고리즘 문제를 해결하는 것과 복잡한 문제를 간단하게 만드는것을 재밌어 합니다.

Research Experience

• 2023.07 - 2023.12 | AI Grand Challenge 2023
  openai-API를 활용해 GPT 3.5로 다중 답변 질문 모델을 위한 데이터셋을 생성하고 정제했습니다. 이 연구로 소속 연구실이 최종 7위를 수상했습니다.

• 2024.02 - 03 | Practicing RAG
  RAG 기술을 연구하고, 이를 활용해 ‘한솔데코 도배하자 Q&A’ 데이콘(DACON) 경진대회에 출품할 모델을 구현했습니다.

• 2024.03 - 06 | KCC 2024 and Hallucination
  QA(질의응답) 작업에서 발생하는 환각 현상을 5가지 유형으로 분류하고, 자연어 평가 지표인 BLEU, METEOR, ROUGE가 각각 특정 유형의 환각 현상을 탐지하는 데 강점과 한계가 있음을 밝혀냈습니다. 이 연구는 KCC 2024에 게재되었습니다.

• 2024.07 - 2025.01 | Internship at SK Magic
  SK매직에서 신제품 알고리즘 개발 및 제품 통합을 위한 온디바이스 LLM 생태계와 데이터 인프라 연구를 중심으로 제품 기획 및 개발을 담당했습니다.

• 2025.03 - PRESENT | AI and Math
  형식 언어와 대수적 구조를 활용하여 AI가 수학적 문제를 이해하고 검증하는 방법을 설계하고 있습니다.

Research Focus

저는 수학적 이론을 기반으로 AI 모델의 신뢰성을 향상시키고 환각 현상을 줄이는 연구를 수행하고 있습니다. 특히, 기존 토크나이저의 임베딩 스페이스가 가진 한계를 대수학적 접근으로 개선하는 데 집중하고 있으며, Adele ring과 같은 대수적 공간을 활용해 의미를 보존하는 새로운 숫자 토큰 임베딩 스페이스를 설계하고 있습니다. 이러한 연구를 통해 AI 모델이 데이터를 더 깊이 이해하고 논리적으로 추론할 수 있도록 하여, 수학적 엄밀성을 기반으로 모델 아키텍처를 근본적으로 개선하는 것을 목표로 합니다.

Research Goal

제 최종 목표는 수학적 엄밀성을 바탕으로 검증 가능하고 신뢰성 높은 AI 모델을 개발하는 것입니다. 현재 LLM은 뛰어난 언어 능력에도 불구하고 수학적 추론과 같은 논리적 과제에 취약합니다. 저는 대수학 원리를 활용한 새로운 임베딩 공간을 설계하여 이 문제를 해결하고자 합니다. 이 연구가 성공하면, AI는 단순한 통계적 패턴 학습을 넘어 논리적이고 체계적인 사고를 수행할 수 있게 됩니다. 궁극적으로 이는 AI가 높은 신뢰성을 요구하는 분야에서 핵심적인 역할을 하도록 만들고, 지능형 시스템의 새로운 설계 및 평가 기준을 제시하는 데 기여할 것입니다.