이현철 페타마이스 대표, LLM 추천 시스템 연구 논문 한국멀티미디어학회 논문지 게재

페타마이스. 사진=페타마이스 전시·컨벤션(MICE) 전문기업 페타마이스 이현철 대표가 공동 연구한 대규모 언어 모델(LLM) 기반 추천 시스템 관련 논문이 한국멀티미디어학회 논문지에 게재됐다. 페타마이스는 이현철 대표가 서울시립대학교 김성환 교수와 공동 연구한 논문 'LLM 기반 추천 시스템에서 규모의 역설 및 환각 현상 극복을 위한 하이브리드 추론 시스템 설계'가 한국멀티미디어학회 논문지 2026년 9월호에 정식 게재됐다고 밝혔다. 이번 논문은 생성형 AI를 활용한 추천 서비스에서 실제 데이터베이스에 존재하지 않는 항목을 추천하는 이른바 '환각' 현상을 실증적으로 분석하고, 이를 시스템 구조 단계에서 통제하기 위한 하이브리드 추론 시스템(HIS)을 제안한 연구다. 연구팀은 총 1,483회의 실험을 통해 LLM 기반 추천 시스템의 환각 발생 특성과 기존 평가 방식의 한계를 분석했다. 연구 결과 관행적으로 사용되는 일부 평가 지표가 실제 환각률을 2배 이상 과대 추정할 가능성이 있는 것으로 나타났으며, 사용자 이력이 많아질수록 모델이 실제 데이터에 보다 강하게 정착하는 '컨텍스트 앵커링' 현상도 확인했다. 실험에서는 사용자 이력이 증가함에 따라 추천 결과의 사실성 지표가 0.616에서 0.988까지 지속적으로 높아지는 양상이 나타났다. 연구팀은 이를 통해 충분한 사용자 맥락이 제공될수록 LLM이 임의의 정보를 생성하기보다 실제 데이터와 이용 이력을 기반으로 추천 결과를 생성하는 경향이 강화될 수 있음을 제시했다. 이와 함께 연구팀은 LLM의 생성 능력과 데이터베이스 검증 절차를 결합한 '하이브리드 추론 시스템(HIS)'을 설계했다. 해당 시스템은 2단계 제어 루프를 기반으로 추천 결과를 데이터베이스와 대조하고, 최종 단계에서 필요한 경우 백업 필러를 동적으로 주입하는 방식으로 구성됐다. 이를 통해 설계 구조상 DB 기준 사실성을 100% 확보할 수 있도록 한 것이 특징이다. 페타마이스는 이번 연구 성과를 자사의 MICE 지능형 플랫폼에도 적용할 계획이다. 전시·컨벤션 참가자의 관심 분야와 참여 이력 등을 기반으로 세션, 전시 부스, 행사 프로그램 등을 추천하고 참가기업 간 비즈니스 매칭을 지원하는 서비스 고도화에 활용한다는 방침이다. 특히 대규모 전시회와 컨퍼런스에서는 수많은 참가기업과 프로그램 가운데 이용자에게 적합한 정보를 정확하게 제공하는 것이 중요한 만큼, 실제 행사 데이터베이스에 존재하는 정보만을 토대로...