기술
단일 LLM의 한계를 넘어서: Multi-Agent System은 왜 필요한가
단일 LLM으로 복잡한 비즈니스 문제를 해결하는 접근은 현실에서 쉽게 한계에 부딪힌다. 이 글에서는 단일 프롬프트부터 멀티 에이전트 시스템에 이르기까지 AI 아키텍처의 발전 단계를 분석하고, 각 구조가 왜 실패하거나 부족했는지 그 이유를 짚는다. 그리고 그 흐름 속에서 도출되는 멀티 에이전트 스케일링 법칙이 B2B 플랫폼 설계에 어떤 시사점을 주는지 살펴본다.
기술
AI가 실제로 작동하는 순간까지, 제네시스랩이 만들어온 과정을 전합니다.
기술
실시간 라벨링 인터페이스: 정신과 임상 판단을 데이터로 구조화한 방법
"힘들지만 버틸 만하다"는 환자의 말을 3점이라 판단하는 임상의의 근거는 어디에 있을까요. 기존 AI는 판단의 결과만 배웠을 뿐 근거를 놓쳤습니다. IASDR 2025에서 발표된 제네시스랩·UNIST·서울대병원 공동 연구는 라벨링 인터페이스 설계로 이 근거를 데이터로 만드는 방법을 보여줍니다.
기술
딥 컨볼루션 신경망의 일반화 능력을 활용한 컬러 안저 사진의 분류기 개선
본 논문은 Classifier의 confidence 기반 노이즈 레이블 필터링과 pseudo-labeling을 결합한 SSL 방식을 제안하며, 노이즈 데이터와 희귀 양성 사례 탐지 모두에서 우수한 성능을 보였고 최종적으로 off-site validation set에서 AUROC 0.9993을 달성하였다.
기술
어텐션 기반 LSTM을 이용한 미지의 변화 패턴에 강인한 특징 표현 학습
본 논문은 attentive mode variational LSTM을 통해 입력 정보를 task-relevant 특징과 task-irrelevant 특징으로 분리하여 unseen mode of variation에 강인한 시공간 특징을 추출하는 방법을 제안하며, 표정 인식과 동작 인식 두 태스크에서 SOTA를 달성하였다.
기술
적대적 학습 기반의 경량·고효율 얼굴 랜드마크 검출: Face Geometric Map 생성 네트워크
논문은 얼굴의 기하학적 정보를 활용한 적대적 학습이 FLD 성능을 향상시킨다는 것을 보여주며, 테스트 시 인코더만으로 랜드마크를 추출할 수 있는 간단하고 효과적인 구조를 제안한다는 점에서 의의가 있다.
기술
연령별 성별 추정
본 논문은 공간 주파수 영역 비평가 네트워크와 나이·성별 교차 학습 전략을 통해 기존 방법 대비 우수한 분류 성능을 달성하였으며, 주파수 필터링으로 생성 이미지 내 나이·성별 정보를 효과적으로 보존했다는 점에서 주목할 만하다.