세명대 데이터지능연구실, 세계 최고 권위 'KDD 2026' 논문 채택···AI 편향성 밝혀내
세명대학교 AI컴퓨터학부 데이터지능연구실(DILab)이 KDD 2026 데이터셋 및 벤치마크 트랙에 최종 채택되었다. 유라시아 5개 지역 공무원 시험을 활용한 EuraGovExam 벤치마크로 AI의 지역적 편향성을 밝혀냈다.
단일 카메라로 손끝 접촉 인식 구현
이수안 교수가 인하대 이우기 교수 연구팀과 공동으로 일반 카메라 영상만으로 손끝 접촉을 실시간 인식하는 AI 기술을 개발했다. 연구 성과는 CVPR 2026에 채택되었다.
세명대 데이터지능연구실, 국제학술대회 'IEEE BigComp 2026'서 우수논문상 Runner-Up 수상
데이터지능연구실 김재성(3학년), 길상현(4학년) 학생이 IEEE BigComp 2026에서 LLM 내부 표현 공간 분석 및 다국어 안전성 연구 논문 2편을 채택받고, Best Paper Award Runner-Up을 수상했다.
세명대 컴퓨터학부 데이터지능연구실, 'KDBC 2025' 우수논문상 동상 수상
이하은 학생(3학년)과 이수안 교수 연구팀이 조명 변화에 강건한 단안 깊이 추정 모델 연구로 KDBC 2025 우수논문상 동상을 수상했다.
세명대-지오비전-강원대 공동연구팀 세계 최고 권위 'AAAI' 논문 채택
이수안 교수(세명대 컴퓨터학부 학부장)가 2저자로 참여한 투명 신경망 모델 GATSM 논문이 세계 최고 권위의 AI 학술대회 AAAI 2026에 채택되었다.
세명대 데이터지능연구실, KCC 2025서 우수상 영예
이수안 교수가 학부생 김병학과 공동 연구한 "대규모 언어 모델을 활용한 진로 성숙도 검사 응답 자동 분석 및 피드백 생성" 논문으로 KCC 2025에서 우수상을 수상했다.
세명대 컴퓨터학부 데이터지능연구실, 2025 한국컴퓨터종합학술대회 대상 수상
이수안 교수가 지도한 데이터지능연구실이 K-GovExam 데이터셋 개발로 KCC 2025에서 대상을 수상했다. 학부생 김재성, 길상현이 sLLM 및 벡터 학습 연구에 참여했다.
인하대 이우기 교수 연구팀, 장비 고장진단에 인공지능 적용 논문 발표
이수안 교수가 인하대 음성AI연구소 객원연구원 및 세명대 겸임교수로서 인하대 이우기 교수팀과 함께 장비 고장진단 AI 연구에 참여했다.
제천 'AI 행정활용 미리보기' - 이수안 세명대 교수 특별강연
이수안 교수가 제천시청에서 160여 명의 공직자를 대상으로 AI 기술 행정업무 활용 방안 및 미래 전략에 대한 특별 강연을 진행했다.
제천제일고, 지역 문화와 AI 융합 스마트팜 프로그램 운영
이수안 교수가 제천제일고등학교 H-스마트팜 교육 프로그램에서 "인공지능과 스마트팜" 주제로 특강을 진행했다.
미래 고급인력 소멸…초거대AI 등 디지털 역량 강화해 생산성 극대화해야
이수안 교수가 생성형AI의 데이터 분석 민주화에 대해 "비전문가도 AI 대화형 모델을 활용해 더 직관적인 UI로 쉽게 데이터를 분석할 수 있을 것"이라고 전망했다.
한국통계정보원, 통계정보발전포럼 개최
이수안 교수가 2023 통계정보발전포럼 2세션에서 "인공지능을 통한 통계데이터 분석 혁신" 주제로 발표하며 AI 기반 데이터 분석의 대중화를 전망했다.
세종시 빅데이터 활용 행정서비스 대전환
이수안 교수가 세종시 공무원 약 150명을 대상으로 "공공데이터 이해와 챗GPT 활용 방안" 주제로 디지털 역량 강화 교육을 진행했다.
세명대 컴퓨터학부 학부생, SCI급 국제저널 논문 게재
이수안 교수가 지도한 신재광 학생이 산업용 기계 소리를 통한 고장 탐지 딥러닝 모델 연구로 SCI급 국제저널 Electronics에 교신저자로 논문을 게재했다.
![[논문 리뷰] LeanMarathon: Toward Reliable AI Co-Mathematicians through Long-Horizon Lean Autoformalization](/assets/images/blog/20260607-paper-2606-05400-leanmarathon-toward-reliable-a.jpg)
[논문 리뷰] LeanMarathon: Toward Reliable AI Co-Mathematicians through Long-Horizon Lean Autoformalization
Long-horizon autoformalization of research mathematics fails not only at hard lemmas, but at scale: statements drift, dependencies tangle, context decays, and local repairs corrupt distant work. We pr...
![[논문 리뷰] Self-Revising Discovery Systems for Science: A Categorical Framework for Agentic Artificial Intelligence](/assets/images/blog/20260607-paper-2606-01444-self-revising-discovery-system.jpg)
[논문 리뷰] Self-Revising Discovery Systems for Science: A Categorical Framework for Agentic Artificial Intelligence
Scientific discovery is not only answer generation but revision of the representational regime in which evidence, artifacts, operations, and verifiers are typed. We develop a category-theoretic accoun...
![[논문 리뷰] Memory Caching: RNNs with Growing Memory](/assets/images/blog/20260607-paper-2602-24281-memory-caching-rnns-with-growi.jpg)
[논문 리뷰] Memory Caching: RNNs with Growing Memory
Transformers have been established as the de-facto backbones for most recent advances in sequence modeling, mainly due to their growing memory capacity that scales with the context length. While plaus...
![[논문 리뷰] From Tokens to Thoughts: How LLMs and Humans Trade Compression for Meaning](/assets/images/blog/20260607-paper-2505-17117-from-tokens-to-thoughts-how-ll.jpg)
[논문 리뷰] From Tokens to Thoughts: How LLMs and Humans Trade Compression for Meaning
Humans organize knowledge into compact conceptual categories that balance compression with semantic richness. Large Language Models (LLMs) exhibit impressive linguistic abilities, but whether they nav...
![[논문 리뷰] LT2: Linear-Time Looped Transformers](/assets/images/blog/20260603-paper-2605-20670-lt2-linear-time-looped-transfo.jpg)
[논문 리뷰] LT2: Linear-Time Looped Transformers
Looped Transformers (LT) have emerged as a powerful architecture by iterating their layers multiple times before decoding the final token. However, pairing them with full attention retains quadratic c...
![[논문 리뷰] Hallucinations Undermine Trust; Metacognition is a Way Forward](/assets/images/blog/20260603-paper-2605-01428-hallucinations-undermine-trust.jpg)
[논문 리뷰] Hallucinations Undermine Trust; Metacognition is a Way Forward
Despite significant strides in factual reliability, errors -- often termed hallucinations -- remain a major concern for generative AI, especially as LLMs are increasingly expected to be helpful in mor...