쉬이룽

🏷️ 인물 LLM

개요

Yilong Xu(徐亦龙)는 중국과학원 컴퓨팅기술연구소(CAS ICT) 박사과정 연구원으로, ModelBest Inc.에서 인턴을 병행하고 있습니다. 지도 그룹은 Xueqi Cheng과 Huawei Shen이 이끄는 정보 검색 및 NLP 라인입니다. 검색-기반 LLM, 인용 평가, 에이전트 루프 설계를 핵심 연구 주제로 삼고 있습니다.

비동기 병렬 에이전트 루프 구조 Self-Manager의 1저자로 가장 잘 알려져 있습니다. Self-Manager는 단일 에이전트 루프에 OS의 스레드 개념을 접목해 병렬 실행을 가능하게 한 구조로, 2026년 1월 arXiv에 공개됐습니다. GitHub 리포지터리는 ylXuu/ParallelAgent로 공개되어 있습니다.

생애

중국과학원 컴퓨팅기술연구소에서 박사 과정을 밟고 있으며, 동시에 ModelBest Inc.에서 인턴으로 연구를 병행합니다. CAS ICT는 중국 AI 연구의 핵심 거점 중 하나로, Xueqi Cheng과 Huawei Shen 그룹은 오랫동안 정보 검색과 언어 모델 적응 연구를 이끌어 온 팀입니다.

연구 방향은 검색-기반 LLM의 인용 품질 평가에서 시작해, 검색기 학습 방법론, 에이전트 평가, 병렬 에이전트 루프 설계로 단계적으로 확장됐습니다. NAACL 2025에 발표한 ALiiCE는 그의 첫 주요 학회 논문이며, 이후 EMNLP 2025, arXiv 2025-2026에 걸쳐 연구 라인이 심화됐습니다.

2025년 하반기에는 에이전트 검색의 현실 정합성 평가 문제를 다룬 RAVine 논문을 arXiv에 공개했고, 2026년 1월에는 Self-Manager를 통해 에이전트 루프 자체의 병렬 구조 설계 문제를 정면으로 다뤘습니다.

업적

ALiiCE(NAACL 2025)는 검색 기반 LLM이 생성 텍스트 내에서 어떤 토큰 위치에 어떻게 인용 표시를 붙이는지를 세밀하게 평가하는 벤치마크입니다. 인용 위치의 정밀도와 재현율을 별도로 측정하고, 인용 위치 분포의 균형도를 변동계수(CV)로 수량화하는 세 가지 메트릭을 제안했습니다. 기존 RAG 평가가 문서 단위 검색 정확도에 머물던 것을 인용 위치의 세밀한 품질 측정으로 끌어올린 작업입니다.

Utility-based Retriever 연구(EMNLP 2025)는 검색기를 단순 관련성(relevance)이 아니라 생성 효용(generation utility)을 기준으로 학습시키는 방법론입니다. 공유 컨텍스트 귀인(Shared Context Attribution)을 통해 검색된 문서가 생성에 얼마나 기여했는지를 측정하고, 이 신호로 검색기를 재학습시킵니다.

Self-Manager(arXiv 2026)는 LLM 에이전트 루프에 OS의 프로세스 관리 개념을 이식한 구조입니다. 단일 컨텍스트 창에 순차적으로 실행되던 기존 에이전트와 달리, Self-Manager는 메인 스레드가 여러 서브스레드를 생성하고, 각 서브스레드가 격리된 컨텍스트로 병렬 실행됩니다. Thread Control Block(TCB)이 각 스레드의 상태를 관리하며, DeepResearch Bench에서 단일 에이전트 기준 대비 일관된 성능 우위를 보였습니다.

RAVine(arXiv 2025)은 기존 에이전트 검색 평가 방식이 현실 사용 환경과 괴리가 있다는 문제의식에서 출발한 평가 체계입니다. 검색 의도의 다양성, 답변의 적절한 불확실성 표현, 반복 검색 효율성 등을 현실 정합적 기준으로 제안했습니다.

여담

Yilong Xu의 연구 경로는 "검색-생성 연결"이라는 한 줄로 요약됩니다. ALiiCE에서 인용 위치를 평가하고, Utility Retriever에서 검색기를 생성 효용으로 재학습시키고, RAVine에서 현실 정합 평가를 제안하고, Self-Manager에서 에이전트 루프 자체를 병렬화했습니다. 각 논문이 이전 연구의 한계를 한 단계씩 밀어 올리는 구조입니다.

OS 개념을 LLM 에이전트에 적용한 Self-Manager의 아이디어는 소프트웨어 공학에서 이미 검증된 추상화를 AI 에이전트에 이식했다는 점에서 흥미롭습니다. 스레드, 컨텍스트 격리, 블록 단위 관리는 수십 년의 운영 체제 연구가 쌓아 올린 개념이고, 이를 LLM 에이전트 설계에 재활용한 것입니다. CAS ICT 그룹이 꾸준히 진행해 온 검색-기반 LLM 적응 라인의 자연스러운 연장선에 있습니다.

주요 논문