박민재 · Minjae Park. 가천대학교 컴퓨터공학 학사 졸업 예정. DAC LAB에서 두 시즌 인턴 경험이 있고, 공군 데이터플랫폼팀에서는 법률 도메인 RAG 파이프라인을 설계했습니다. 지금 가장 크게 고민하는 질문은 "적은 자원으로 더 잘 계획하고 추론하는 LLM 에이전트"입니다.
BioBERT 계열 언어모델이 파라미터에 이미 담고 있는 지식을 활용해, 아직 알려지지 않은 약물–부작용 관계 후보를 구조적으로 탐색했습니다. SIDER와의 구조 유사성(AUC 0.915)과 FAERS와의 통계 검증(p < .001)을 함께 설계했고, 리뷰 대응 과정에서 한계와 주장 범위를 스스로 정리했습니다.
응답 타입별 전용 렌더러와 운영 제어(Ask / Plan / Execute · allow once / session / deny)를 한 인터페이스에 모았습니다. iOS Safari 키보드 이슈는 visualViewport 반영으로, 채팅 진입은 실제 페이지네이션으로 15MB → 236KB로 해결했습니다.
Search → Reading → Research → Result → Insight → Writing 6단계 흐름에 역할 기반 에이전트(Scout · Reader · Reproduction · Experiment · Analyst · Writing)를 배치했습니다. seed fallback·파일/Postgres 이중 저장·/api/health로 라이브 검색 불가 시에도 UI 골격 유지.
복잡한 국회 법안을 AI 요약과 태그로 피드화. Gemini primary/backup + OpenAI 다단 fallback과 Airflow DAG 기반 수집·AI 배치·복구 분리. Qdrant 기반 RAG 챗봇까지.
AI 단어 분석·퀴즈·하이브리드 채점·오답 재배치를 하나의 학습 루프로 묶었습니다. Vite/React 마이그레이션과 PM2 · 502 게이트웨이 트러블슈팅으로 안정화.
Agent Chat · Context Manager · Knowledge Graph View를 한 앱에 묶은 개인용 에이전틱 지식 베이스. livesync-bridge · CouchDB · Mac Obsidian 간 동기화 장애를 환경변수 기반 패스프레이즈 반영으로 복원.
독서 · 공부 · 문화생활을 서로 다른 색과 인터랙션으로 분리한 올인원 기록 앱. 모바일 탭 border-glow를 포인터 추적이 아닌 활성 인디케이터 위치 + mask-composite로 구현해 iOS Safari 호환을 확보.
대학생·취준생이 자신의 프로젝트와 커리어 기록을 올리면, AI가 인터뷰·정리·배치로 포트폴리오 사이트를 자동 생성·배포하도록 설계 중. Target-adaptive Portfolio(JD 기반 구조 재배치)와 "거의 완성 + 마이크로 수정" 루프가 핵심 난제.
DAVID-GRPO가 cold-start는 잘 넘기지만 중반 plateau에서 무너지는 지점에 주목. 전체 trajectory가 아닌 단일 스텝 수준에서만 교사가 개입하고, curriculum decay로 개입 빈도를 줄이며, rollout hook · teacher injection · GRPO loss 변형까지 시스템 설계서로 내려앉힌 상태.
AR의 문맥 정밀성과 Diffusion의 병렬 속도를 섞어, 먼저 구조를 빠르게 생성하고 뒤이어 AR 인스턴스가 문단을 병렬로 정제하는 파이프라인. 코드·법률처럼 계층적 구조가 중요한 텍스트에서 특히 유효할 것으로 봅니다.
4대의 RTX 3090 환경에서 소형 모델이 multi-hop reasoning을 수행하도록 만드는 RL 프레임워크. retrieval reward · grounded expansion · cold-start 구조가 ATI 아이디어의 직접적 출발점.
retrieval을 planning과 action generation에 직접 연결. 현재 작업과 유사한 예시를 검색해 subtask decomposition과 action generation에 활용한다는 핵심 관점.
텍스트 + 계층적 테이블이 혼재된 문서를 위한 RAG. 문서 구조 자체를 보존해야 한다는 문제의식이, 공군에서 경험한 법률 파서 연구와 직접 맞닿아 있음.
기능/비기능 요구사항을 코드 생성의 중심 제약으로 가져오는 관점. 단순 completion이 아닌 요구사항 이해·검증·시스템 설계를 포함한 code generation 연구 방향.
Biomedical NLP 리딩 라인의 연장. 관계 추출 모델을 도메인 코퍼스에 맞춰 파인튜닝하는 접근으로, 직접 수행한 ADR prediction 연구의 배경 맥락.
Information Retrieval을 중심으로 generation · agent · code intelligence · efficient inference까지. RaDA · ArchCode가 대표작. 현재 관심 축과 가장 직접적으로 겹칩니다.
한국어 특화 벤치마크, foundation model, CoT reasoning, linguistic benchmarking 중심. 한국어 LLM/NLP를 깊게 밀 수 있는 방향.
Knowledge encoding · RAG · LLM optimization. 최신 LLM 트렌드와 연구 생산성이 강점으로 정리돼 있는 랩.
KULLM 같은 한국어 모델, hallucination mitigation, knowledge editing, agentic system. 넓은 응용 범위와 실험 인프라.
Reasoning agent · LLM reasoning · Diffusion LLM. Diffusion+AR 연구 아이디어와 직접 연결될 여지가 있는 랩.
ML 시스템 방향. 타깃 랩 중 보조 후보로 조사.
논문 아이디어, 연구실 방문, 공동 연구, 포트폴리오에 대한 피드백 모두 좋습니다. 간단한 소개와 함께 메일 주시면 이틀 안에 답장드립니다.