왕이웨이

🏷️ 인물 LLM 에이전트 NLP 교수

개요

왕이웨이(Yiwei Wang)는 UC Merced 컴퓨터과학부 조교수이자 UC Merced NLP Lab 디렉터입니다. 자연어 처리, 대형 언어 모델, 그래프 머신러닝, 소셜 미디어 분석을 연구하며, 최근에는 "제어(control)"라는 키워드로 묶이는 LLM 신뢰성 연구에 집중하고 있습니다.

대표 연구 방향은 분할 정복 방식을 통한 LLM 제어, 문맥 충실성을 위한 정렬, 확산 LLM 기반의 제어 가능한 생성 등입니다. 박사 졸업 직후 곧장 독립 교수직을 얻어 자신의 랩을 시작한 비교적 빠른 커리어 트랙을 보여주는 사례입니다.

Self-Manager - Parallel Agent Loop for Long-form Deep Research 논문에서는 마지막 저자(시니어 저자) 위치로 쉬이룽이 주도한 비동기 병렬 에이전트 루프 연구를 지도했습니다. 박사 및 박사후 연구원을 적극 모집 중이며, 충분한 컴퓨팅 자원 제공과 제1저자 논문 게재 지원을 명시하고 있습니다.

생애

왕이웨이는 동남대학교에서 학사 학위를 취득했습니다(2017년). 이후 홍콩과학기술대학교에서 석사 학위를 받고(2019년), 싱가포르국립대학교(NUS)에서 박사 과정을 마쳤습니다(2023년). NUS 재학 중에는 NeurIPS, EMNLP 등 상위 학회에 꾸준히 논문을 발표하며 연구 기반을 다졌습니다.

2023년 박사 학위 취득 직후 UC Merced 컴퓨터과학부에 조교수로 부임했습니다. UC Merced는 캘리포니아 대학교 시스템(UC)의 가장 최근에 설립된 캠퍼스로, AI와 데이터 과학 분야를 전략적으로 육성하고 있습니다. 왕이웨이는 여기서 NLP Lab을 설립하고 직접 랩을 이끄는 PI(Principal Investigator)로 활동하고 있습니다.

중국 출신으로 동남아시아와 미국을 거친 연구자로, 박사 졸업과 동시에 독립 랩을 꾸린 비교적 이른 케이스에 속합니다. 랩 홈페이지(wangywust.github.io)를 통해 연구 방향과 구인 정보를 공개하며 팀을 확장하고 있습니다.

업적

EMNLP 2024에서 발표한 "Control Large Language Models via Divide-and-Conquer"는 LLM 출력 제어 문제를 분할 정복 방식으로 접근한 연구입니다. 단일 복잡한 제어 목표를 하위 목표들로 분해하고, 각 하위 목표를 순차적으로 처리함으로써 전반적인 생성 제어 성능을 향상시킵니다. 제어 가능한 텍스트 생성 분야의 주요 참조 문헌이 되었습니다.

ACL 2025에서 발표한 Context-DPO는 LLM이 외부 문맥에 충실하게 응답하도록 정렬하는 방법론입니다. DPO(Direct Preference Optimization)를 활용하되 문맥 충실성이라는 구체적 목표를 위한 선호도 데이터를 구성하는 방식을 제안했으며, RAG(Retrieval-Augmented Generation) 시스템에서 LLM이 검색된 문맥을 무시하는 문제를 직접 해결하려는 시도입니다.

EMNLP 2025에서는 "METAL: A Multi-Agent Framework for Chart Generation with Test-Time Scaling"을 발표했습니다. 차트 생성이라는 구체적 작업에서 테스트 시간 확장(test-time scaling)을 멀티에이전트 프레임워크와 결합한 연구입니다. 같은 학회에서 GUI 환경에서의 시각적 추론을 다루는 DiMo-GUI도 발표했습니다. 그래프 머신러닝 연구도 꾸준히 이어가, NeurIPS 2021에서 EIGNN(무한 깊이 그래프 신경망)과 시간 그래프에서의 적응형 데이터 증강 연구를 동시에 발표했습니다.

여담

왕이웨이의 랩 홈페이지는 연구 방향을 "Controllable and Trustworthy LLMs", "Reasoning Multimodal Foundation Models and Agents", "NLP for Social Media" 세 가지로 명시합니다. 이 중 소셜 미디어 분야는 박사 시절부터 관심을 가졌던 주제로, 트위터/X, 레딧 등 소셜 플랫폼에서의 허위 정보 탐지와 감정 분석을 다룹니다.

2025년 arXiv에 공개한 a1 논문에서는 "Environment Augmented Generation"을 통한 가파른 테스트 시간 확장 법칙을 제안했습니다. 테스트 시간에 환경 상호작용을 통해 모델 성능을 개선하는 방향으로, 에이전트 연구와 확장 법칙 연구를 동시에 탐구하는 흥미로운 교차점에 위치한 연구입니다.

UC Merced NLP Lab은 작은 규모이지만 LLM 제어와 멀티모달 추론이라는 명확한 방향성 아래 빠른 논문 생산 속도를 보이고 있습니다. 왕이웨이의 연구는 단순히 모델 성능을 올리는 것을 넘어, 배포 환경에서 모델이 얼마나 신뢰할 수 있게 작동하는가라는 실용적 질문에 집중한다는 점에서 독자적인 색깔을 가집니다.

주요 논문