[학회 후기]

2026년 6월 4일~5일 경주 화백 컨벤션센터에서 진행된 2026 대한산업공학회 춘계학술대회에 참가하였다. 2년 전 데이터마이닝 학회 때와 같은 장소이기도 했고, 2년만에 대한산업공학회에 구두 발표를 하러 오니 감회가 새로웠다. 이번엔 연구실 참가 인원 대부분이 신입생 및 인턴 친구들이였는데, 모두 첫 발표였는데도 발표를 너무 잘해서 자랑스럽기도 했고, 나도 발표가 끝난 후에는 후련한 마음이었다. ICIEA 학회에 이어 다수의 연구실 인원들과 같이 참가하여 재미도 있었고, 다양한 주제의 구두 및 포스터 발표를 접하며 최신 연구 동향을 파악할 수 있었다. 특히 대한산업공학회에 올 때 마다 다양한 산업군에서 인공지능 방법론들이 요즘에는 어떻게 적용되는지 알 수 있어서, 이 점이 가장 도움이 되는 것 같다. 

[발표 후기]

이번 발표에서는 새로 진행 중인 "분포 내 레이블 노이즈와 이와 비슷한 분포 밖 데이터가 혼재하는 상황에서의 준지도 레이블 노이즈 학습 방법론"에 대해 소개하였다. 기존 연구들은 레이블 노이즈와 일반적인 out-of-distribution(OOD)를 고려하였는데, 나는 hard OOD가 같이 고려되는 문제 상황이 보다 현실적이라 판단하여 해당 주제로 연구를 진행하게 되었다. 기존 연구들에서 사용했던 대조학습 기반 사전학습 방식을 VLM으로 대체하였으며, 준지도학습 과정 중 지속적으로 수행되는 대조학습을 이미지 사이의 유사도를 기반으로 한 soft contrastive learning으로 대체하여 성능 향상을 이뤄냈다.

질문 1: 해당 연구가 현실 세계에서 기여할 수 있을까?

답변 1: 레이블 노이즈와 OOD를 결합한 연구들이 많이 지속되었는데, 사실 ID와 유사한 OOD, 즉 hard OOD가 현실 세계에서는 보다 잘 못 수집되기 쉽다고 판단했다. 따라서 기존 연구들보다도 보다 현실적인 문제 상황을 해결하고자 했다고 할 수 있으며, 아직 연구들이 발전되지는 않았지만 이러한 측면에서 크게 기여할 수 있을 것이라 생각한다.

[청취 후기]

1. 비디오 이상 탐지를 위한 자기지도학습 기반 멀티태스크 프레임워크 (부디조노 제이슨 레이넬/단국대학교)

해당 연구는 비디오 이상 탐지를 위해 서로 다른 자기지도학습 방식을 결합하여 서로 상호보완적으로 작용하도록 하였다. 내가 이해한 바로는 정상 데이터들만을 가지고, 임의로 rotation 시켜 가상의 비정상 데이터를 생성하여 지도학습 방식으로 학습을 한 후, 2D와 3D 측면으로 나누어 각 representation이 align 되도록 하는 KL divergence loss와 2D representation에서 일부 샘플링하여 복원하는 reconstruction loss를 결합하여 학습을 진행하였다. 다만, 멀티 태스크라고 함을 2D와 3D로 분할해서 그렇게 이름을 붙인 것 같은데, 이 부분은 조금 의아했지만 발표자 분께서 한국어가 서툼에도 최선을 다하는 것이 느껴져서 발표 자체는 좋게 다가왔다.

2. RAG 환경에서의 답변 불가능 질의 사전 탐지 프레임워크 (김수연/서울대학교, Poster)

해당 연구는 일반적인 RAG 프레임워크에서 답변을 제대로 생성하기 어려움에도 불구하고 억지로 답변을 내어 혼동을 주는 문제를 대조 학습을 통해 해결하고자 하였다. 대조 학습 과정 중 어떻게 positive와 negative를 정의하는지 질문하였는데, 단순히 사전에 답변 가능으로 생성된 답변은 positive, 그렇지 않은 답변은 negative로 정의하였다고 설명을 들었다. 비교적 심플한 아이디어로도 좋은 결과를 도출하였으며, 실제로 hallucination이 가장 큰 문제로 작용되는데, 이러한 문제 상황을 잘 접근한 것 같다. 이전에 산학 과제를 하면서 RAG에 관련하여 연구를 진행했었어서 호기심을 갖고 구경하였는데, 매우 흥미로운 연구였던 것 같다.