Mitigating Distribution Shift in Mental Health Prediction viaNon-Parametric Multi-Agent Dynamic Context Modeling
이공학학술연구기반구축(R&D) · 기본연구B(포용형)
2026년
2340064558
교육부
한국연구재단
한국과학기술원
진승완
1명
2026.09.01 ~ 2027.02.28
2026.09.01 ~ 2029.08.31
3,000만원
3,000만원
응용연구
대학
대전광역시 유성구
정보/통신 > 정보이론 > 인공지능
본 연구의 최종 목표는 센서 기반 사용자 상태 예측에서의 핵심 난제인 분포 변화(Distribution Shift) 문제를 해결하기 위해, LLM 기반의 개인화된 해석 맥락(Personal Context)의 추론·정제·업데이트 메커니즘을 제안하고, 레이블 희소 환경에서 비모수적(Non-parametric) 접근으로 종단적 개인화를 달성하는 프레임워크 Con...
기존의 딥러닝 및 LLM 기반 맥락 내 학습 방법은 개인 간·개인 내 행동 다양성에 기인한 분포 변화 문제를 해결하는 데 한계가 있으며, 파라미터 미세 조정 방식의 개인화는 레이블 희소성으로 인해 적용이 어렵다. 본 연구는 이러한 한계를 극복하기 위해, 사용자 센서 데이터에 대한 해석 맥락을 자연어 형태로 명시적으로 관리하는 ContextScope 프레임워...
본 연구의 핵심 성과인 텍스트 기반 해석 맥락의 추론·정제 기술은 웨어러블·IoT 센서 데이터의 해석이 요구되는 다양한 원격 모니터링 영역에 범용적으로 적용 가능하다. 기술적으로는 고정 모델 기반의 정적 예측 패러다임에서 맥락 적응형 종단적 예측으로의 전환을 제시하며, 의료진에게 자연어 형태의 개인화된 근거를 제공하여 데이터 해석 부담을 경감하고 고위험군 ...