대형 언어 모델(LLM)을 활용한 정보 탐색 과정이 대중화되면서, 챗봇에서의 환각 문제가 대두되고 있 다. 이러한 환각 문제를 해결하기 위한 여러 접근 방식의 사전 연구들이 진행되었으나, 단일 학습 데이 터에 기반을 두고 있기 때문에 학습 데이터의 편향 문제를 완전히 해소하지 못했다는 한계가 존재한다. 본 연구는 멀티 언어 모델을 활용한 멀티 에이전트 챗봇 토론 프레임워크를 개발해 단일 모델 접근의 제 약을 뛰어넘어, 보다 신뢰할 수 있는 LLM 기반 검색 서비스를 구현하고자 한다.

수많은 사람들이 소셜 미디어를 사용하며 타인과의 비교를 경험한다. 특히 자신보다 나은 사람과의 비교인 상향 비교로 인한 부정적인 영향이 크다. 이에 본 연구에서는 사용자의 성향 및 특징과 소셜 미디어 콘텐츠 요소를 통합적으로 고려하여 상향 비교를 유발할 수 있는 콘텐츠를 필터링하는 시스템을 제안한다. 인스타그램을 대상으로 개인화된 상향 비교 유발 여부를 예측하는 모델을 제작했으며, 모델을 적용하여 상향 비교를 유발한다고 예측된 스토리를 가려 상향 비교를 완화하는 크롬 플러그인을 개발하였다. 사용자 스터디를 통해 그 유용성을 검증했다.

스마트폰의 보급률이 높아지면서 사람들은 일상생활에서 여러 모바일 서비스를 편리하게 이용할 수 있게 되었다. 스마트폰 사용자는 정지된 상황뿐 아니라 이동 중에도 한 손으로 스마트폰을 조작하며 모바일 서비스를 이용하기도 한다. 이동 중에 스마트폰을 사용하면 사용자의 신체 흔들림 등으로 사용자의 한 손 터치 정확도가 떨어지는 불편함이 있다. 본 논문에서는 가속도 센서를 통해 측정되는 스마트폰의 기울어진 정도를 기반으로 사용자가 터치하려는 버튼을 예측하는 CNN 모델을 개발했다. 또한 예측된 버튼의 터치 허용 영역을 유연하게 확장하는 터치 에러 감소 기법을 제시하고 실험을 통해 그 유용성에 대하여 검증했다.