• 목록

<발표 후기>
[P2-35] Structured Customer Embedding via Prompt-Tuned Dialogue Modeling
이번 발표에서는 전시회 참가 기업과 고객 간 대화 데이터를 기반으로, LLM을 활용한 자동 고객 프로파일링 기법을 제안하였다. 고객 대화를 요약 → 키워드 추출 → 프로파일 생성의 3단계로 구조화하고, 이를 하이브리드 벡터로 변환하여 클러스터링을 수행한 점이 특징적이었다. 실험에서는 Llama-2 7B 모델을 활용해 116차원의 벡터를 구축하고, 일부 의미 있는 고객 세그먼트를 확인할 수 있었다. 특히 기존 메시지 기반 접근의 한계였던 낮은 해석력을 개선하고자 하였다. 동시에 프롬프트 최적화, 클러스터 불균형 등이 여전히 남아있는 한계도 드러나 향후 연구 개선 방향을 더욱 깊게 생각해볼 수 있는 계기가 되었다.

<청취 후기>
[P1-52] Zero-Shot Anomaly Detection with LLM-Generated Text Descriptions
본 연구는 기존 CLIP 기반 Zero-Shot Anomaly Detection(ZSAD) 방법들의 한계를 극복하기 위해, LLM을 활용한 텍스트 설명 생성을 도입한 것이 특징이다. 특히 class-specific information 부족, semantic 공간 불일치, 세밀한 시각적 특징과 granularity mismatch 문제를 해결하기 위해 LLM이 자동으로 생성한 풍부한 텍스트 설명을 활용하였다. 이를 통해 이미지 및 픽셀 수준의 이상 탐지 성능을 크게 개선한 결과를 확인할 수 있었다. 발표를 통해 텍스트 기반 설명이 단순 보조 정보가 아니라 핵심적 성능 향상 요인이 될 수 있음을 확인할 수 있는 좋은 기회였다.

<학회 후기>
이번 학회인 데이터마이닝 학회와 물류 워크샵을 통해 많은 사람들과 교류하며 다양한 연구를 접할 수 있는 뜻깊은 기회가 되었다. 특히 여러 LLM 관련 세션들을 들으며 내가 이번 학회에서 발표한 연구를 다양한 관점에서 다시 바라볼 수 있었고, 앞으로의 개선 방향에 대해 더욱 다양한 생각을 해볼 수 있었다. 또한 컴퓨터 비전과 관련된 세션들을 통해 관심 있던 주제의 여러 관점을 볼 수 있었다. 단순히 연구하던 분야에 머무르는 것이 아니라, 다른 영역의 연구를 다양하게 접하며 관점의 폭이 넓어질 수 있는 기회가 되었다.