궈둥신

🏷️ 인물 LLM 추론 교수

개요

궈둥신(Dongxin Guo, Betty Guo)은 홍콩대학교(HKU) 컴퓨터과학과 박사과정 최종학년 연구자입니다. 야오시우밍(Siu-Ming Yiu) 교수의 지도를 받으며 ICML, ACL, SIGIR, HPDC 등 최상위 학술대회에 논문을 게재했습니다.

연구 주제는 한 문장으로 정리됩니다. "LLM이 아키텍처적으로 할 수 있는 것과, 실제 배포 환경에서 신뢰할 수 있는 것 사이의 경계"를 이론적으로 규명하고, 그 한계를 우회하는 시스템을 설계합니다. 추론(reasoning), 검색 증강 생성(RAG), 에이전트 스케줄링, 금융 및 규제 도메인 신뢰성 검증이 핵심 연구 영역입니다.

2026년 현재 ACL 2026 Industry Track에 4편, SIGIR 2026에 1편, HPDC 2026에 1편, ICML 2026에 1편을 합격시키며 짧은 박사과정 동안 폭발적인 연구 성과를 기록하고 있습니다. 박사 학위 취득 후에는 신뢰 가능한 AI, 다중 에이전트 시스템, LLM 이론 분야 박사후 연구원 지원을 준비 중입니다.

생애

공개된 정보에 따르면 궈둥신은 홍콩대학교 컴퓨터과학과에서 박사학위 과정을 밟고 있으며, 야오시우밍 교수 연구실 소속입니다. Betty Guo라는 이름으로도 알려져 있으며, 개인 웹사이트 bettyguo.github.io를 통해 연구 현황을 공개하고 있습니다.

학부 및 석사 과정에 대한 상세한 공개 정보는 없습니다. 박사 지도교수인 야오시우밍 교수는 홍콩대학교 컴퓨터과학과에서 암호학, 정보보안, 알고리즘 이론을 연구하는 교수로, 궈둥신의 LLM 신뢰성 연구에 이론적 토대를 제공하는 배경이 됩니다.

산업계와의 협력도 활발합니다. 산업계 연구자 우지쿤과 공저 관계를 유지하며, 금융 LLM 검증, 규제 준수 탐지 등 실제 산업 문제를 학문적으로 분석하는 연구를 이어가고 있습니다. OpenReview 프로필에는 HKU 소속으로 등록되어 있으며, 여러 논문의 저자 정보에서 일관되게 확인됩니다.

업적

궈둥신의 가장 주목받는 성과는 2026년 ICML에 채택된 "The Deterministic Horizon: When Extended Reasoning Fails and Tool Delegation Becomes Necessary"(arXiv:2606.00376)입니다. 이 논문은 LLM의 확장 추론이 어느 지점에서 신뢰 불가능해지는지를 정보이론으로 증명하고, 그 임계점 너머는 외부 도구에 위임해야 한다는 처방을 제시합니다. "할 수 있음"과 "신뢰 가능함" 사이의 간극을 수학적으로 정의한 작업입니다.

ACL 2026 Industry Track에는 4편이 동시 채택됐습니다. FinGround는 금융 LLM의 원자적 주장 검증(atomic claim verification) 프레임워크이고, RouteNLP는 적형 추론(conformal prediction) 기반 LLM 라우팅 시스템입니다. AgentEval은 DAG 구조 에이전트의 단계별 평가 프레임워크이며, ComplianceNLP는 지식 그래프 증강 다중 프레임워크 규제 갭 탐지 시스템입니다.

SIGIR 2026에는 대규모 추론 모델의 적응적 검색 타이밍을 다룬 ReaLM-Retrieve가 채택됐고, HPDC 2026에는 공유 GPU 클러스터에서 AI 에이전트 추론을 워크플로 단위로 공정하게 스케줄링하는 SAGA가 채택됐습니다. 단일 박사과정 기간에 ICML, ACL, SIGIR, HPDC를 한 해에 커버하는 것은 연구 주제의 폭과 실행 속도 모두에서 두드러지는 성과입니다.

여담

"Betty Guo"라는 영문 이름을 병용하는 점에서 알 수 있듯, 궈둥신은 학계와 산업계 양쪽에 연구자로서의 존재감을 구축하고 있습니다. 개인 웹사이트에는 현재 진행 중인 연구와 합격 논문 목록이 상세히 공개되어 있으며, Fall 2026 포스트닥 지원을 준비 중입니다.

궈둥신의 연구 방향은 단순한 성능 개선보다 LLM의 신뢰성과 증명 가능성에 집중한다는 점에서 두드러집니다. "LLM이 무엇을 할 수 있는가"보다 "LLM을 언제 믿을 수 있는가"라는 질문에 가장 진지하게 답하려는 연구자 중 하나로 평가받습니다. 이는 단순히 성능 벤치마크를 올리는 연구와 구별되는 방향성입니다.

신뢰 가능한 AI, 다중 에이전트 시스템, LLM 이론이라는 세 축이 앞으로도 연구 중심이 될 것으로 보입니다. 박사과정에서 이미 이론 증명(ICML)과 산업 응용(ACL Industry Track) 양쪽에서 동시에 성과를 냈다는 점에서, 이후 독립 연구 그룹으로 나아갈 기반이 마련되어 있다고 할 수 있습니다.

주요 논문