[학회 후기]

 2026년 6월 4일부터 5일까지 이틀 간 열린 '2026 대한산업공학회 춘계학술대회'에 참여했다. 학회가 경주에서 개최되어 서울에서 출발하는 순간부터 설레는 마음으로 임할 수 있었다. 연구실에 들어온 지 얼마 되지 않았는데도 교수님과 선배님들, 그리고 동기들과 함께 학회에 참여하는 소중한 기회를 얻어 즐거웠다. 특히 이번 학회에는 구두 발표자로 나섰는데, 학회에서의 첫 구두 발표라 긴장도 되었지만 한편으론 재미있기도 했다. 내가 연구한 내용을 궁금해 하는 사람들에게 직접 설명하는 기회를 가질 수 있었다는 점이 생각보다 훨씬 의미 있게 다가왔다.
 내 발표 외의 시간에는 평소 관심 있었던 발표나 포스터들을 보러 다녔다. 나와 같은 문제도 다양한 시선에서 해석하고 풀어가는 연구들을 보며 견문을 넓힐 수 있었다. 특히 포스터 세션은 시간에 구애 받지 않고 자유롭게 질문을 이어갈 수 있어서, 좀 더 편안한 마음으로 질문하고 알아갈 수 있었다. 대한산업공학회에서는 여러 도메인의 연구들을 접할 수 있는 점이 인상 깊었는데, 비즈니스는 물론이고 배터리, 리튬, 게임 등 평소 접하기 힘든 세분화된 도메인의 연구들을 만나볼 수 있었다. 이를 통해 내 연구와 연관 지어 새로운 아이디어를 얻는 과정이 유익했다. 이번 학회에 참여한 경험은 앞으로 내 연구를 더욱 의미론적으로 발전시키고, 깊이 있게 파고들 수 있는 뜻 깊은 계기가 될 것 같다.



[발표 후기]

 이번 학회는 "분포 변화 대응을 위한 효율적인 테스트 시점 프롬프트 융합 기법" 라는 주제로 연구를 소개했다. 테스트 시점 프롬프트 적응 방법론(Test-time Prompt Tuning)은 추가 학습 없이 분포 변화에 적응할 수 있다는 점에서 효과적이다. 그러나 다수의 프롬프트를 반복적으로 활용하는 기존 방식은 높은 계산 비용과 메모리 사용량을 요구하는 문제가 있다. 이에 본 연구에서는 이러한 한계를 완화하기 위해 현재 입력 정보와 과거 사례 정보를 함께 활용하여 보다 효율적인 테스트 시점 적응을 수행할 수 있도록 설계했다. 이를 통해 제안 방법이 기존 방법의 일반화 성능을 유지하면서도 시간 및 메모리 효율성을 효과적으로 개선할 수 있었다.


질문 1: 메모리뱅크의 uncertainty는 어떤 기준으로 측정하는지?
답변 1: entropy, top-1 confidence, margin 세가지 기준으로 판단하며, hard pool의 관여 정도를 정하는 요소이기 때문에 현재 들어온 샘플이 얼마나 어려운 샘플인지를 구분하는데에 도움을 주는 변수로 설정했다.

질문 2: 메모리뱅크의 Hard Pool이 실제로 역할을 잘 하고 있는지?
답변 2: 실험에서 w/o Hard Pool의 성능을 측정한 결과, 베이스라인에서 50% 성능이 넘지 않는 hard dataset(dtd, aircraft, eurosat)에서 특히 성능이 많이 떨어지는 것을 확인할 수 있었다. 또한 전체적인 평균 성능 또한 떨어졌기 때문에 Hard Pool이 잘 작동하고 있다고 평가했다.



[청취 후기]

1. BibGraphRAGent: Literature Analysis Framework Integrating Graph-based RAG and AI Agent on Bibliographic Knowledge Graph (김도윤 / 서울대학교)

 해당 연구는 학술 문헌 분석을 위해 지식 그래프와 멀티 에이전트 시스템을 결합하여 상호보완적으로 작용했다. 기존 서지 분석의 한계와 LLM의 정량 분석 불가 한계를 극복하기 위해, 질문에 따라 DB 통계 쿼리와 관련 논문 주변의 맥락 검색 방식을 유연하게 결합하여 정량·정성 통합 답변을 생성하는 방식이다. 이러한 지식 그래프 탐색 메커니즘을 현재 진행 중인 에이전트 기반 액티브 러닝(Active Learning) 연구에 접목하여 에이전트가 어떤 데이터를 우선적으로 샘플링하고 가이드해야 하는지 판단하는 효율적인 기준으로 활용해 볼 수 있을 것 같아 흥미롭게 들을 수 있었다.

2. Hardware-Efficient Adversarial Prompt Optimization : GCG-Specialized Triton Kernels for 4-bit LLMs (최준혁 / 고려대학교, poster)

 해당 연구는 4비트 LLM 환경에서 적대적 프롬프트 최적화(GCG)를 수행할 때 발생하는 심각한 메모리 병목을 해결하기 위해 GPU 메모리 구조에 특화된 전용 Triton 커널들을 제안하였다. 불필요한 출력 KV 캐시를 완전히 폐기하고 공유 프레픽스 브로드캐스트 방식을 attention 메커니즘에 적용하여, 공격 성능의 저하 없이 VRAM 사용량을 63% 절감하고 연산 속도를 대폭 최적화한 연구다. 프롬프트 퓨전 기반의 경량화를 연구했던 입장에서, 하드웨어 뒷단(커널 레이어)에서 중복되는 프레픽스 연산을 제거하고 메모리 계층을 직접 제어해 가속한 하드웨어 친화적 접근 방식이 매우 인상 깊었다. 해당 연구를 통해 GCG라는 개념을 처음 접해 흥미로웠으며, 포스터 발표 형식 덕분에 저자와 직접 깊이 있게 질문을 주고받으며 많은 것을 알아갈 수 있었다. 여기서 다룬 하드웨어 가속 기법들은 향후 내 프롬프트 퓨전 연구를 커널 단위의 최적화 아이디어로 확장할 때 훌륭한 레퍼런스로 활용해 볼 수 있을 것 같아 유익한 시간이었다.