장궈후이

개요

장궈후이(Guohui Zhang, 张国辉)는 University of Science and Technology of China(USTC) 박사과정 연구자로, 자오펑(Feng Zhao) 교수 연구실 소속입니다. 시각 생성 모델에 강화학습 기반 파인튜닝을 적용하는 분야를 집중 탐구해온 신진 연구자입니다.

핵심 연구 질문은 "생성 과정에서 어떤 스텝, 어떤 토큰, 어떤 영역이 진짜 중요한가"로 수렴합니다. 이 질문에 대한 답을 찾아 정책 최적화의 reward 신호를 그 지점에 집중시키는 아이디어를 masked image generation, autoregressive image generation, joint audio-video diffusion으로 확장해왔습니다.

대부분의 공동 저자가 USTC와 JD Explore Academy 양쪽에 걸쳐 있으며, 다수의 논문에서 1저자를 유지하고 있습니다. TMLR(Transactions on Machine Learning Research) 게재 성과까지 내고 있는 것으로 보아 박사 과정 중기 이상의 연차로 추정됩니다.

생애

장궈후이의 공개된 이력은 USTC 박사과정 재학으로부터 시작됩니다. 자오펑 교수의 Geometry and Graphics Computing Lab(GCL)을 주요 연구 거점으로 삼고 있습니다.

연구 초기에는 masked image generation에서 GRPO 계열 정책 최적화를 다루는 MaskFocus(arXiv:2512.18766)와 Group Critical-Token Policy Optimization(arXiv:2509.22485)을 발표하며 "중요 스텝과 토큰을 식별하고 거기에 정책 업데이트를 집중한다"는 일관된 연구 방향을 정립했습니다. 이 두 논문은 장궈후이 연구의 방법론적 기반을 이루고 있습니다.

이후 STAGE(arXiv:2509.25027)에서 autoregressive visual generation으로 무대를 옮겨 GRPO 기반 학습의 안정성과 일반화 문제를 탐구했고, 2025년에는 OmniNFT(arXiv:2605.12480)에서 joint audio-video diffusion 영역으로 확장했습니다. JD Explore Academy와의 산학 협력이 이 일련의 연구를 뒷받침하고 있습니다.

업적

장궈후이의 주요 기여는 시각 생성 모델의 강화학습 파인튜닝을 체계화한 것입니다. MaskFocus는 masked generative model에 RL을 적용할 때 각 스텝의 확률 가중치를 정확히 반영하는 방법론을 제안해, 기존 접근의 구조적 한계를 해결했습니다.

STAGE는 GRPO 기반 autoregressive 이미지 생성의 안정성과 일반화를 처음으로 체계적으로 연구한 논문으로, Janus-Pro-7B 기반 실험에서 GenEval 점수를 0.78에서 0.89로 약 14% 향상시키는 성과를 냈습니다. T2I-Compbench, ImageReward 등 다수 벤치마크에서 효과가 일반화됨을 확인했습니다. 이 논문은 서로 상충하는 그래디언트 문제와 불안정한 정책 엔트로피 동역학이라는 두 가지 핵심 문제를 진단하고 해결책을 제시했다는 점에서 학계에서 주목받았습니다.

OmniNFT에서는 modality-wise advantage routing, layer-wise gradient surgery, region-wise loss reweighting 세 가지 신규 설계를 제안해 오디오-비디오 동기화와 세밀한 정렬 성능을 끌어올렸습니다. 이 세 기술은 모두 "RL 신호를 올바른 위치에 흘려보낸다"는 하나의 철학에서 파생됐습니다.

여담

장궈후이의 논문 목록에서 눈에 띄는 것은 연구 주제가 "masked image -> autoregressive image -> joint audio-video"로 꾸준히 확장됐다는 점입니다. 모달리티가 달라져도 핵심 메커니즘(critical 영역에 reward 집중)은 그대로 유지되는 것이 이 연구자의 뚜렷한 특징입니다.

JD Explore Academy와의 협력은 USTC 박사과정 학생이 산학 연계 연구를 병행하는 중국 연구 생태계의 전형적인 모습을 보여줍니다. OmniNFT 공저자 목록에서도 USTC 인력과 JD Explore Academy 인사가 함께 이름을 올리고 있습니다.

박사과정 연구자임에도 불구하고 여러 논문에서 1저자를 유지하며 일관된 연구 방향을 이어가는 점은, 지도교수인 자오펑 교수의 연구실이 신진 연구자에게 독립적인 연구 공간을 부여하는 방식으로 운영된다는 것을 시사합니다.

주요 논문

• OmniNFT: Modality-wise Omni Diffusion Reinforcement for Joint Audio-Video Generation (arXiv:2605.12480, 2025) -- joint audio-video diffusion에 modality-aware RL 프레임워크를 적용한 논문. 1저자.
• STAGE: Stable and Generalizable GRPO for Autoregressive Image Generation (arXiv:2509.25027, 2025) -- GRPO 기반 autoregressive 이미지 생성의 안정성과 일반화 문제를 처음 체계화한 논문.
• MaskFocus: Focusing Policy Optimization on Critical Steps for Masked Image Generation (arXiv:2512.18766, 2024) -- masked generative model에서 critical step을 식별해 정책 최적화를 집중하는 RL 프레임워크.
• Group Critical-Token Policy Optimization (arXiv:2509.22485, 2025) -- image generation에서 critical token 그룹을 식별해 GRPO 업데이트를 집중하는 방법론.
• SoftCFG: Uncertainty-guided Stable Guidance for Visual Autoregressive Model (arXiv:2510.00996) -- 시각 autoregressive 모델의 불확실성 기반 가이던스 안정화 연구.