[학회 후기]

2025년 여름, 한국데이터마이닝학회 하계학술대회가 평창 알펜시아 리조트에서 개최되었다. 선선한 날씨 덕분에 학회 분위기는 한층 더 여유로웠고, 동시에 많은 연구자들이 모여 활발한 교류가 이루어졌다. 이번 하계학술대회에서도 다양한 발표가 준비되어 있었는데, 특히 시계열 이상탐지, 생성형 AI, 강화학습 등 최근의 연구 트렌드를 반영한 주제들이 눈에 띄었다.

나 또한 포스터 발표자로 참여해 내 연구를 소개할 수 있었는데, 여러 연구자들과 질의응답을 나누면서 새로운 관점에서 내 연구를 돌아보는 계기가 되었다. 다른 발표자들의 연구를 보면서 이 아이디어를 내 주제에도 접목해볼 수 있겠다는 생각이 들기도 했고, 다양한 분야에서 인공지능이 응용되는 사례들을 접하며 신선한 자극을 받을 수 있었다.

[발표 후기]

발표 주제: Online Test-time Adaptation for CLIP under Continual Domain Shifts

이번에 발표한 주제는 CLIP 모델을 대상으로 한 Online Test-time Adaptation 방법론이었다. CLIP이 제로샷 분류에서 강력한 성능을 보이지만, 도메인 변화가 지속적으로 발생하는 현실 환경에서는 일반화 성능이 급격히 저하된다는 문제의식에서 출발했다. 이를 해결하기 위해 모델 파라미터가 아닌 입력 프롬프트만을 실시간으로 조정하는 경량화된 적응 방식, 적응된 프롬프트를 저장하는 메모리 구조, 그리고 메모리 다양성을 높이는 주기적 최적화를 결합한 방법을 제안하였다. 실험 결과, 반복적인 도메인 변화 상황에서도 기존 방법 대비 안정적이고 향상된 성능을 확인할 수 있었다.

발표를 준비하면서 내가 제안한 방법의 핵심 기여를 어떻게 명확히 전달할지 고민했는데, 내 포스터 발표를 들으러 찾아와준 많은 연구자분들께서 특히 프롬프트 메모리 구조와 다양성 확보 전략에 많은 관심을 보여주셔서 뿌듯했다. 여러 질문을 통해 내 연구의 한계를 돌아보고 보완할 점도 확인할 수 있었으며, 동시에 새로운 아이디어도 얻을 수 있었다. 이번 발표는 내 연구를 정리하고 피드백을 받을 수 있는 뜻깊은 기회였다고 생각한다.

[청취 후기]

1. 멀티 에이전트 기반 대형 언어모델을 활용한 해석 가능한 시계열 이상탐지 기술 연구
해당 포스터 발표에서는 소개된 연구는 기존 시계열 이상탐지 기법이 갖고 있던 해석력 부족과 단일 모델 의존성 문제를 해결하기 위한 새로운 접근이었다. 특히, LLM을 단일 분석기로 활용하는 것이 아니라, 다양한 통계적·구조적·시각적 분석 도구를 호출할 수 있는 멀티 에이전트 프레임워크를 설계했다는 점이 인상 깊었다. 각 에이전트가 부분적인 분석을 수행하고, 이를 오케스트레이션 에이전트가 통합한 뒤 LLM이 사람이 이해하기 쉬운 설명 문장을 생성한다는 아이디어는 산업 현장에서의 실질적 활용 가능성을 높여준다고 생각된다.

또한 단순히 이상 여부를 탐지하는 데 그치지 않고, 원인–패턴–영향 간 관계를 정량적으로 규명하고 이를 직관적으로 해석할 수 있다는 점이 기존 연구와의 차별점으로 느껴졌다. 발표를 들으며, LLM이 단순 질의응답을 넘어 시계열 분석 맥락에서 어떻게 해석력을 강화할 수 있는지에 대한 가능성을 확인할 수 있었고, 앞으로 다양한 산업 도메인에서 확장 적용될 수 있을거라고 생각했다.