리서치 멘토링 · 얼바인 · 온라인

진짜 AI 연구를, 1:1로.

고등학생이 직접 NLP/LLM 연구 주제를 정하고, 실험하고, 논문으로 완성하는 16주 1:1 프로그램입니다. EMNLP 논문 저자이자 대학에서 AI를 가르치는 연구자가 처음부터 끝까지 직접 지도합니다.

EMNLP 2026 제1저자논문 피인용 1,700회 이상국민대 글로벌 프로그램 AI 강의 (얼바인 Westcliff)前 Ericsson 시니어 연구원University of Manitoba 박사

01 // 멘토 소개

배정된 튜터가 아니라, 직접 논문을 쓰는 연구자가 지도합니다

현재 NLP 분야에서 논문 발표 중

검색 증강 소형 언어모델 연구로 EMNLP 2026 메인 컨퍼런스 논문 제1저자.

학생 연구를 최상위 학회까지 이끈 경험

이 EMNLP 논문은 제가 이끄는 온디바이스 언어모델 학생 연구 그룹에서 시작됐습니다.

AI를 가르치는 것이 본업

얼바인 Westcliff University에서 운영되는 국민대학교 글로벌 프로그램에서 대학생에게 LLM과 응용 AI 강의. NVIDIA 공인 딥러닝 강사.

산업 현장 수준의 연구 경력

Ericsson에서 10명 규모 생성형 AI 연구팀 리드. Google Scholar 피인용 1,700회 이상.

02 // 이런 학생에게 맞아요

직접 해보고 싶은 학생을 위한 프로그램

  • →강의를 더 듣는 것보다 진짜 연구를 해보고 싶은 고등학생 (9–12학년)
  • →과학 경진대회, AI 올림피아드, 대입 지원서에 쓸 진짜 연구 경험이 필요한 학생
  • →Python 기초가 되어 있거나, 먼저 2회 브릿지 수업을 들을 의지가 있는 학생
  • →매주 4–6시간을 자기 프로젝트에 쓸 수 있는 학생

실력이 뛰어난 중학생은 인터뷰 후 참여할 수 있습니다.

03 // 16주 프로그램

질문 하나에서 완성된 논문까지

4단계로 진행하고, 한 명의 멘토가 끝까지 지도하며, 4주마다 학부모님께 진행 리포트를 드립니다.

기간
16주
1:1 세션
주 1회 60분 Zoom, 녹화본 제공
비동기 피드백
코드·글 리뷰 48시간 내 회신
학부모 리포트
4, 8, 12, 16주차
학생 과제 시간
주 4–6시간
수업 언어
한국어 또는 영어
  1. 01 · 1–4주

    기초와 연구 질문

    학생이 무엇을, 왜 연구하는지 스스로 설명할 수 있게 됩니다.

    • ·환경 세팅: Python, Google Colab, GitHub
    • ·LLM 작동 원리: 토큰, 임베딩, 트랜스포머, 프롬프팅
    • ·논문 읽는 법, 관련 논문 5–8편 조사
    • ·검증 가능한 연구 질문과 가설 세우기

    → 1쪽 연구 제안서

  2. 02 · 5–8주

    데이터와 베이스라인

    넘어서야 할 첫 번째 기준 결과를 만듭니다.

    • ·데이터셋 찾기·구축, 라이선스와 개인정보
    • ·기존 방법을 재현해 베이스라인 만들기
    • ·평가 설계: 지표, 테스트셋, LLM 평가의 함정
    • ·중간 점검과 방향 수정

    → 베이스라인 결과 + 중간 발표 슬라이드

  3. 03 · 9–12주

    실험과 분석

    학생 본인의 아이디어를 제대로 검증합니다.

    • ·학생이 제안한 방법 구현
    • ·Ablation 실험: 무엇이 실제로 효과가 있었나
    • ·실패 사례를 직접 분류하는 오류 분석
    • ·다른 데이터셋·모델로 강건성 확인

    → 최종 결과표

  4. 04 · 13–16주

    논문 작성과 발표

    제출하고 발표할 수 있는 결과물을 완성합니다.

    • ·그림·표 제작과 논문 아웃라인
    • ·학생이 직접 쓰는 초고, 멘토는 피드백
    • ·퇴고와 재현 가능한 공개 GitHub 레포
    • ·최종 발표 리허설과 제출 계획

    → 4–8쪽 논문, 레포, 포스터 또는 슬라이드

04 // 연구 주제 예시

고등학생이 주도할 수 있는 NLP·LLM 연구

모든 주제는 무료 Colab과 소형 오픈 모델로 16주 안에 가능합니다. 학생이 원하는 주제를 직접 가져와도 됩니다.

  • 소형 LLM의 환각 측정

    입문

    1B–8B 모델은 어떤 질문에서 답을 지어내는가? 모델 크기에 따라 어떻게 달라지는가?

  • 수학 문장제의 프롬프트 민감도

    입문

    단어 하나만 바꿔도 답이 바뀌는가? 어떤 변화에 가장 취약한가?

  • 한영 코드스위칭(Konglish) 이해도

    중급

    LLM은 한국어와 영어가 섞인 문장을 얼마나 잘 이해하고 번역하는가? 이중언어 학생의 강점을 살릴 수 있는 주제입니다.

  • AI 생성 글 탐지기는 믿을 만한가

    중급

    탐지기는 비원어민 학생이 쓴 글을 AI가 쓴 글로 더 자주 오판하는가?

  • 로컬 지식 기반 RAG 질의응답

    중급

    학교 수강 편람 같은 좁은 문서에서 RAG는 왜 답을 찾고도 정확히 말하지 못하는가? 멘토의 EMNLP 연구와 연결됩니다.

  • LLM 채점자의 공정성

    중급

    LLM에게 에세이 채점을 맡기면 작성자 이름이나 방언에 따라 점수가 달라지는가?

  • 온디바이스 LLM: 양자화의 득과 실

    심화

    4bit·8bit 양자화로 정확도는 얼마나 떨어지고, 스마트폰에서는 얼마나 빨라지는가?

  • 소형 모델 에이전트의 도구 사용

    심화

    소형 모델은 언제 계산기·검색 도구를 정확히 호출하고, 어떻게 실패하는가?

05 // 최종 결과물

그 자체로 증명되는 결과물

  • ✓학회 형식의 4–8쪽 연구 논문
  • ✓코드, 데이터 카드, 재현 가이드가 담긴 공개 GitHub 레포
  • ✓포스터 또는 발표 슬라이드
  • ✓학생 수준과 일정에 맞춘 제출 로드맵
  • ✓학생이 실제로 수행한 내용을 바탕으로 한 멘토 평가서 (요청 시)

제출할 수 있는 곳

  • ·고등학생 연구 저널 (예: Journal of Emerging Investigators)
  • ·arXiv 프리프린트
  • ·AI 학회의 학생 연구 워크숍 및 고등학생 트랙 (개설 시)
  • ·OC Science & Engineering Fair → ISEF, Regeneron STS
  • ·USA AI Olympiad (USAAIO), Congressional App Challenge

논문 게재, 수상, 대학 합격을 보장하지 않습니다. 보장하는 것은 연구 과정의 질입니다.

06 // 연구 윤리

연구는 학생이 직접 합니다

코드, 실험, 글쓰기는 학생이 직접 합니다. 멘토는 방향 제시, 리뷰, 피드백을 맡습니다.
저자 표기는 실제 기여에 따라 정직하게 합니다. 멘토가 대신 쓴 논문은 만들지 않습니다.
대학 지원 에세이는 대필하지 않습니다. 연구 활동을 정확히 기술하는 방법만 지도합니다.
AI 도구 사용은 투명하게 공개하고 연구 노트에 기록합니다.

07 // 자주 묻는 질문

학부모님들이 자주 물어보시는 것

코딩 경험이 꼭 있어야 하나요?+

Python 기초(변수, 반복문, 함수)면 충분합니다. 아직 부족하면 1주차 전에 브릿지 수업 2회로 시작합니다.

논문이 꼭 게재되나요?+

게재 여부는 학생의 결과와 심사위원에 달려 있어서 약속드리지 않습니다. 대신 제출할 만한 수준의 결과가 나오도록 설계하고, 학생에게 맞는 제출처를 함께 고릅니다.

대형 멘토링 프로그램과 무엇이 다른가요?+

배정된 대학원생이 아니라, 이 분야에서 직접 논문을 쓰는 연구자와 1:1로 진행합니다. 16주 내내 같은 멘토가 지도합니다.

수업은 한국어로 하나요, 영어로 하나요?+

둘 다 가능합니다. 수업은 한국어나 영어로 진행하고, 학부모 리포트도 원하시는 언어로 드립니다.

얼바인에 살지 않아도 참여할 수 있나요?+

네. 모든 수업은 온라인입니다. 미국 서부 시간 기준으로 진행하며, 한국에 계신 가정은 주말 시간대로 참여할 수 있습니다.

수강료는 얼마인가요?+

무료 상담에서 학생의 목표와 수준을 들은 뒤 안내해 드립니다.

08 // 시작하기

무료 30분 상담으로 시작하세요

학생의 학년, 관심사, 목표를 알려주세요. 연구가 맞는 선택인지, 현실적인 프로젝트는 어떤 모습일지 함께 이야기합니다.

이메일로 상담 신청하기

donghok4@gmail.com

© 2026 DR. HENRY KANG · HOME · GOOGLE SCHOLAR