Graph Learning
heterogeneous relation을 분리해 message passing하고 relation importance와 node representation을 학습합니다. RAM-GNN이 대표 연구입니다.
RESEARCH
AI Research · Graph Learning · LLM Systems · Retrieval
Graph Neural Networks, LLM Systems, GraphRAG, Information Retrieval을 중심으로 연구합니다. graph structure를 학습·검색에 활용하고, heterogeneous LLM memory reuse와 reasoning까지 다룹니다.
RESEARCH AREAS
주요 연구 영역
LLM Systems & Reasoning
서로 다른 LLM 사이의 KV cache translation, context memory reuse, multi-agent reasoning을 연구합니다. MoT가 대표 연구입니다.
Retrieval & RAG
semantic relevance와 graph structure를 함께 사용해 retrieval, reranking, evidence refinement를 연구합니다. StAR, GRef-RAG, MPR-CiteG가 이 영역에 속합니다.
Research Engineering & Evaluation
모델 구현, local LLM serving, 실험 sweep, ablation, latency·token efficiency 평가, 재현성 점검까지 연구 파이프라인을 구성합니다.
REPRESENTATIVE RESEARCH
대표 연구
GRAPH LEARNINGRESEARCH PROJECT
RAM-GNN: Relation-Aware Multilayer Graph Neural Network
multilayer occupational graph에서 relation-specific encoder와 node-level relation attention을 사용하는 GNN 연구입니다.
LLM SYSTEMSarXiv 2026
Mixture-of-Translators (MoT)
heterogeneous LLM 사이에서 KV cache를 변환해 context memory를 재사용하는 LLM systems 연구입니다.
GRAPHRAGSIGIR 2026
StAR: Adaptive Structure-Aware Reranking
semantic relevance와 graph structure를 질의별로 결합하는 adaptive reranking 연구입니다.
RETRIEVAL & RAGUNDER REVIEW
GRef-RAG: Is Broader Retrieval Always Better?
broad retrieval을 compact evidence bundles로 정리하고 quality–token trade-off를 평가합니다.
PUBLICATIONS
Publications & Manuscripts
2026
SIGIR
SIGIR
StAR: Adaptive Structure-Aware Reranking for Semantic–Structural Alignment in GraphRAG
SIGIR 2026 Short Paper · semantic relevance와 graph structure를 결합한 adaptive reranking.
제1저자ConferenceInternationalGraphRAG
DBLP ↗
2026
CoRR / arXiv
CoRR / arXiv
Mixture-of-Translators: Translating KV Caches Across Heterogeneous Large Language Models
heterogeneous LLM 사이의 KV cache translation을 통해 context memory reuse를 가능하게 하는 LLM systems 연구입니다.
PreprintInternationalLLM SystemsKV CacheMulti-agent Reasoning
arXiv ↗
2026
Under Review
Under Review
GRef-RAG: Is Broader Retrieval Always Better for GraphRAG?
broad graph retrieval을 compact evidence bundles로 정리하는 seed-then-refine framework.
제1저자ManuscriptInternationalRetrieval
심사 중
2025
CIKM Workshop
CIKM Workshop
MPR-CiteG: Enhancing RAG with Multi-Portfolio Retrieval and Citation-Grounded Generation
multi-portfolio retrieval과 sentence-level citation grounding을 결합한 scientific RAG framework.
WorkshopInternationalInformation RetrievalCitation Grounding
arXiv ↗
2025
Technical Report
Technical Report
Alibaba International E-commerce Product Search Competition — DILAB Team Technical Report
multilingual product-search relevance prediction을 위한 data refinement, tagging, LLM fine-tuning pipeline.
Technical ReportInternationalMultilingual IR
arXiv ↗
선택한 조건에 맞는 항목이 없습니다.
RESEARCH CONTACT
AI/ML 연구 관련 연락
Graph Learning, Retrieval, RAG, LLM systems 관련 연락을 받습니다.
LinkedIn