매칭 진행 중
·
ID
654339
독자들의 리딩 데이터를 기반한 텍스트 콘텐츠 평가 AI 에이전트 학습
정부 지원 과제
을 함께 진행할
대학 연구실
을 찾는 공고입니다.
본 과제는 웹소설 독자들의 실제 리딩 데이터를 기반으로 텍스트 콘텐츠의 완성도 및 흥행 가능성을 사전에 평가할 수 있는 AI 에이전트 학습을 목표로 합니다. 독자 반응 데이터를 AI 에이전트의 메모리 구조에 적합한 형태로 합성 및 증강하고, LLM 및 RAG 기반의 검색·임베딩 기술을 최적화하여 웹소설 평가 모델의 정밀도와 예측 성능을 향상시키고자 합니다.
게시자 유형
기업
핵심 키워드
데이터 합성
AI 에이전트 메모리
지식 증강
과제 규모
협의 가능
공고 마감일
미정
기업 소개
기업 소개 및 사업 영역
픽스는 AI 기반 웹소설 제작을 전문으로 하는 웹소설 스튜디오로, 자체 개발한 AI 에이전트를 활용하여 기존 대비 약 6배 이상의 제작 효율로 웹소설을 생산하고 있습니다. 제작 과정에서 생성되는 데이터를 합성·활용하여 AI 에이전트를 지속적으로 고도화하고 있으며, 생성된 웹소설을 영어 번역, 드라마, 영화, 웹툰 등 다양한 콘텐츠 형태로 확장하는 IP 멀티 유즈 전략을 통해 사업 영역을 확장하고 있습니다.
대표 제품 및 서비스
- AI 기반 웹소설 생성 AI 에이전트 - 웹소설 평가 및 흥행 예측 AI 모델 - IP 멀티 유즈를 위한 콘텐츠 확장 솔루션
정부과제 / 산학협력 경험
- 정부 지원 과제 수행 경험 보유 - 2024년 10월 TIPS 선정 후 연구개발 진행 중
과제 개요
연구 희망 주제
본 연구는 웹소설 독자의 리딩 데이터를 활용하여 텍스트 콘텐츠의 품질과 흥행 가능성을 평가할 수 있는 AI 에이전트 개발을 목표로 합니다. 데이터 합성 및 증강 기법을 통해 평가에 필요한 학습 데이터를 확보하고, LLM 및 RAG 기반의 검색·임베딩 기술을 적용하여 AI 평가 모델의 신뢰성과 예측 정확도를 높이고자 합니다.
연구 진행 배경
콘텐츠 산업에서는 제작 비용과 시간이 많이 소요되는 반면, 흥행 실패에 따른 리스크가 매우 큰 구조를 가지고 있습니다. 특히 웹소설을 포함한 텍스트 콘텐츠는 제작 완료 이후에야 성과를 확인할 수 있어 사전 평가 시스템의 필요성이 지속적으로 제기되어 왔습니다. 최근 LLM 기술의 발전으로 데이터 기반 평가 AI 에이전트의 실용 가능성이 높아짐에 따라, 실제 독자 데이터를 활용한 흥행 예측 연구의 필요성이 커지고 있습니다.
연구 과제 개요
1. 독자 리딩 데이터 수집 및 합성 - 웹소설 독자들의 리딩 데이터를 AI 학습에 적합한 형태로 가공 - 데이터 부족 영역에 대한 합성 및 증강 기법 적용 2. AI 에이전트 메모리 구조 설계 - 평가 목적에 최적화된 메모리 임베딩 구조 연구 - 데이터 저장·활용 효율을 고려한 메모리 설계 3. LLM 및 RAG 기반 평가 모델 고도화 - 최적화된 검색 및 임베딩 기술 적용 - 웹소설 평가 및 흥행 예측 성능 검증
세부 목표
- 웹소설 리딩 데이터 기반 평가 데이터셋 구축 - 데이터 합성 및 증강을 통한 학습 효율 향상 - LLM 및 RAG 기반 텍스트 평가 모델 개발 - 웹소설 흥행 예측 정확도 고도화
협업 요건
협력 가능 분야
- AI 기반 텍스트 콘텐츠 평가 모델 연구 - LLM 및 RAG 기반 검색·임베딩 최적화 - 데이터 합성 및 증강 기법 연구 - 웹소설 및 텍스트 콘텐츠 분석 기술
파트너 기대 역할
기업 역할 - 웹소설 제작 과정에서 발생한 리딩 데이터 및 평가 기준 제공 - 평가 AI 에이전트의 서비스 적용 및 실증 환경 제공 - 연구 결과의 사업화 및 상용화 검토 연구실 역할 - LLM 및 RAG 기반 텍스트 평가 알고리즘 연구 - 데이터 합성 및 메모리 임베딩 구조 설계 - 평가 모델 성능 분석 및 고도화 연구
협업 파트너 희망 요건
- LLM 및 RAG 관련 연구 경험을 보유한 연구실·기관 - AI 기반 텍스트 평가 모델 개발 경험 - 데이터사이언스, 컴퓨터언어학, 콘텐츠 분석 관련 연구 역량 보유