HLILab(박진영 교수, https://hli.skku.edu)에서 아래와 같이 연구 프로젝트와 관련하여 학부 인턴을 모집합니다. 많은 관심 참여 바랍니다.

1. 연구참여기간

- 2026. 6. 22. 시작

- 중간 평가 이후 연장 가능

2. 지원방법

- 이력서 및 자기소개서(본인 소개, 관심 연구 프로젝트 및 이유) 1부씩 작성하신 후 jy.bak@skku.edu 로 이메일 보내주세요

- 지원기간: ~ 2026년 6월 15일 오전 9시 00분까지

3. 처우 및 기타

- 성균관대학교 재학생인 경우 인건비 지급 (월 30만원, 중간 평가 후 인상 가능)

- 휴학생, 졸업생, 타대 재학생 경우 법적으로 인건비 지급이 어렵습니다.

- 대신, 인턴 이후 HLILab 연구실에 재학생으로 오실 경우 보전 가능합니다.

- 성균관대학교 소프트웨어융합대학 학부생 졸업요건 충족을 원하시는 분은 지원하실 때 미리 얘기해주세요.

2026년 여름방학 HLILab 연구 프로젝트

1. 보이스피싱

가. 연구 개요

기존 보이스피싱 탐지 연구는 알려진 보이스피싱(In-domain) 유형에 집중하여 높은 정확도를 달성했습니다. 그러나 이러한 연구는 사전에 정의되지 않은 신종 보이스피싱(Out-of-domain)에 대응하지 못하는 한계가 있습니다. 예를 들어, 기존 유형의 보이스피싱 사례(예: 대출 유도, 지인 사칭 등)는 잘 탐지할 수 있지만, 새로운 형태의 보이스피싱(예: 가상자산 투자 권유, 메신저 기반 피싱 등)에는 취약합니다. 본 과제는 이러한 한계를 극복하기 위해 검색 모델과 통합된 신종 보이스피싱 탐지 모델을 개발하는 것을 목표로 합니다. 아울러 개발된 sLLM을 실제 환경에서 활용할 수 있도록, 모델을 탑재한 안드로이드 애플리케이션을 구현하여 실사용 기반의 탐지·응답 기능까지 통합하는 것을 추가 목표로 합니다.

나. 관련 논문

Towards Reliable and Practical Phishing Detection

Korean voice phishing detection applying NER with key tags and sentence-level N-Gram

Enhancing Voice Phishing Detection Using Multilingual Back-Translation and SMOTE: An Empirical Study

Personalized Response System for Different Voice Phishing Types: Utilizing a Retrieval-Augmented Generation Model

2. Character Hallucination

가. 연구 개요

Character Hallucination 이란 llm 의 role-playing 의 환경에서 캐릭터 페르소나를 모델에 부여하였을 때 캐릭터의 정체성, 세계관과 모순되는 지식을 드러내는 현상을 의미합니다. LLM Hallucination 은 모델이 실제로 모르는 것을 아는 듯이 과잉주장 (overclaim)을 해서 실패를 하는 현상이라면, Character Hallucination 은 모델이 알고 있는 일반적인 사실 (world knowledge)을 억제하고 역할에 맞는 답변을 해야하는 상황에서 억제에 실패하고 누설 (leaking) 이 되어버리는 현상입니다. 예를 들어, 과거 인물 베토벤의 역할인 언어모델이 현대 기술인 파이썬에 대해 발언을 하는 사례가 이에 해당합니다. 본 연구에서는 이에 대한 현상을 측정하고 평가하는 벤치마크를 구축하는 것을 목표로 합니다.

나. 관련 논문

“Character-LLM: A Trainable Agent for Role-Playing”(Shao et al., EMNLP 2023)

"Rolebreak: Character hallucination as a jailbreak attack in role-playing systems."

(Tang et al., Proceedings of the 31st International Conference on Computational Linguistics. 2025)

"Revealing and Mitigating the Challenge of Detecting Character Knowledge Errors in LLM Role-Playing." (Zhang et al., Proceedings of the 2025 Conference on Empirical Methods in Natural Language Processing. 2025)