
랩실 소개
자연어 처리의 preference learning과 process reward modeling, 강화학습의 효율성과 다중 에이전트 보상 설계를 연구해요. 공정성·설명가능성·편향 완화 같은 신뢰가능한 AI와 함께, diffusion 모델 및 의미 통신·양자 정보 문제도 다뤄요.
AI가 최신 논문을 바탕으로 쓴 소개예요
- 주로 내는 곳
- IEEE AccessICT ExpressNeurIPS탑티어
- 졸업 후
- 삼성전자, 건국대학교, 국민대학교, 현대자동차, 한국항공대학교
연구 내용
- 강화학습 정렬: preference learning 기반 RLHF와 contrastive mutual information을 활용한 process reward modeling
- 강화학습 알고리즘: distributional reinforcement learning의 효율성 분석, graph 기반 다중 에이전트 intrinsic reward 설계
- 신뢰가능한 AI: 공정성·설명가능성의 결합, 네트워크 pruning을 통한 편향 완화, 불확실성 추정
- 생성·데이터 효율화: diffusion 기반 데이터셋 압축과 생성 모델의 memorization 완화, test-time adaptation
- 통신·양자 정보: 의미 통신의 residual vector quantization과 잡음 대응, 위성 통신의 rate-splitting, 양자 상태 판별과 회로 비용 최적화
- 구성: 박사과정·석사과정·박사후연구원
연구 주제별 논문
통신과 양자 정보
- Beyond Prompts: Preserving Semantics in Diffusion-Based Semantic CommunicationIEEE Wirel. Commun. Lett. 2026
- A Hierarchical Error Protection Framework for Learnable Residual Vector Quantization in Digital Semantic Communication SystemsGLOBECOM 2025
- Structural perspectives from quantum states and measurements in optimal state discriminationQuantum Inf. Process. 2026
공정성과 신뢰가능한 AI
강화학습과 preference learning
Diffusion과 데이터 효율화
핵심 연구 주제
졸업생 진로
연도별 논문
주요 학회·저널
컨택 전 확인
지원 가능 학과
2026. 11. 11. 기준으로 학과·연구실 홈페이지에서 모은 정보예요. 잘못된 정보가 있거나 내리고 싶으시면 [email protected]로 알려 주세요.
비슷한 랩실 더 보기
| 연구실 | 대학 | 대표 연구 주제 | 탑티어 논문 | 전체 논문 | 구성원 | 비교 |
|---|---|---|---|---|---|---|
정송 연구실정송 교수 | KAIST | 생성 모델·디퓨전강화학습대규모 언어 모델 | 5 | 13 | 28 | |
기계학습 및 의사결정 연구실이병준 교수 | 고려대 | 대규모 언어 모델강화학습AI 안전·정렬 | 17 | 25 | 19 |














NeurIPS
ICML
CVPR
EMNLP
IEEE TIP
ACCV 




