스페셜 토크 시리즈: LLM, 체화형 AI, 하이브리드 플래닝 외 (4개 강연)

스콧 새너(Scott Sanner) 토론토대학교 교수의 4개 강연 스페셜 토크 시리즈입니다(2025년 5월 26일~5월 29일 진행).

강연 1: LLM을 활용한 검증·디버깅·수정 가능한 형식 추론. LLM은 추론 오류와 환각(hallucination)에 취약합니다. 이 강연에서는 ‘이론 융해(theory resolution)’에 기반한 논리 추론 프레임워크인 LLM-TRes를 소개합니다. LLM의 상식 지식을 검증 가능한 논리 추론 프레임워크와 통합해 환각을 완화하고 디버깅과 수정을 용이하게 합니다.

강연 2: 부분 관측 환경에서 회귀(regression) 기반 체화형 AI 플래닝. 플래닝을 위한 리프티드 회귀(lifted regression)를 소개하고, 이를 LLM이 생성한 어포던스(affordance)와 통합해 간결한 리프티드 형태로 건전하고 완전한 계획을 산출하는 개방 세계 플래닝 접근법 LLM-Regress로 확장합니다.

강연 3: MDP를 위한 전통·현대 하이브리드 플래닝과 강화학습 방법. 관계형 동적 영향 다이어그램 언어(RDDL), 다양한 플래닝 방법론(MCTS, 수리계획법, 경사 기반 최적화, 기호적 방법), 그리고 경사 기반 플래너 JaxPlan을 활용한 실습 세션을 다룹니다.

강연 4: 생성형 AI를 활용한 대화형 추천의 기회와 발전. 대화형 AI 어시스턴트에서 개인화 추천의 필요성, 최신 LLM 기반(에이전틱) 대화형 추천에 이르는 발전 과정, 그리고 이러한 전환이 수반하는 기술적·사회적 과제를 논의합니다.

연사

스콧 새너 교수는 토론토대학교 산업공학과 교수이자 컴퓨터과학과 겸임교수입니다. 연구 분야는 순차적 의사결정, (대화형) 추천 시스템, 기계학습·딥러닝을 아우릅니다.