Junyoung Son

About

• Information Extraction
• Information Retrieval
• Knowledge-Grounded Dialogue
• Search Agent
• Text Representation
• Data Engineering

M.S & Ph.D in Computer Science & Engineering

Korea University

2021/09 ~

B.S in Information & Communication Engineering

Dongguk University

2014/03 ~ 2021/02

Selected Publications

1. EMNLP Findings
   DART: Draft-Agreement Routing for Training-Free Adaptive Thinking Budgets in Hybrid Reasoning Models

   Jungseob Lee, Seongtae Hong, Seungjun Lee, Jaehyung Seo, Junyoung Son, Sugyeong Eo, Chanjun Park, Hyeongju Park, Hyeonseok Moon, Heuiseok Lim

   2026
2. ACL SRW
   From Ambiguity to Accuracy: The Transformative Effect of Coreference Resolution on Retrieval-Augmented Generation systems

   Youngjoon Jang, Seongtae Hong, Junyoung Son, Sungjin Park, Chanjun Park, Heuiseok Lim

   2025
3. EMNLP
   Post-hoc Utterance Refining Method by Entity Mining for Faithful Knowledge Grounded Conversations

   Yoonna Jang*, Suhyune Son*, Jeongwoo Lee*, Junyoung Son, Yuna Hur, Jungwoo Lim, Hyeonseok Moon, Kisu Yang, Heuiseok Lim (*: equal contributions)

   2023
4. EMNLP Findings 1st author
   Explore the Way: Exploring Reasoning Path by Bridging Entities for Effective Cross-Document Relation Extraction

   Junyoung Son, Jinsung Kim, Jungwoo Lim, Yoonna Jang, Heuiseok Lim

   2023
5. COLING Oral 1st author
   GRASP: Guiding model with RelAtional Semantics using Prompt

   Junyoung Son*, Jinsung Kim*, Jungwoo Lim*, Heuiseok Lim (*: equal contributions)

   2022
6. IEEE Access 1st author
   AI for Patents: A Novel yet Effective and Efficient Framework for Patent Analysis

   Junyoung Son, Hyeonseok Moon, Jeongwoo Lee, Seolhwa Lee, Chanjun Park, Wonkyung Jung, Heuiseok Lim

   2022
7. HCLT 1st author
   한국어 데이터베이스 에이전트 평가: 질의의 도메인 용어 명시성과 언어 환경의 영향

   Junyoung Son, Myunghoon Kang, Kinam Park, Heuiseok Lim

   2026
8. HCLT
   KURE: Embedding Model for Korean-Specific Retrieval

   Youngjoon Jang, Junyoung Son, Taemin Lee, Seongtae Hong, JeongBae Park, Heuiseok Lim

   2025

All Publications

Projects

• 독자 AI 파운데이션 모델 프로젝트

  2025.08.01 ~ 2025.12.31

  Role

  데이터 팀 리더 · 학습 데이터 전략 및 Quality Control 총괄
  Purpose

  독자 AI 파운데이션 모델의 한국어·한국 문화 이해, 추론 및 안전성을 강화하는 Mid-training·SFT·RL 데이터 전략과 품질 관리 체계 구축
  Overview

  데이터 팀 리더로서 Mid-training, SFT, RL 단계별 데이터 요구사항과 검수 기준을 정의하고, 데이터 소스 조사·가공·평가 업무를 조직해 수백만 건 규모의 구축 파이프라인을 운영했습니다. 도메인·난이도·Clarity에 기반한 데이터 구성과 번역·멀티턴 확장을 통해 한국어·한국 문화, 고난도 추론, Safety 데이터를 균형 있게 확보했습니다. 질의·응답의 정확성, 추론 일관성, 언어 품질, 유해성 및 데이터 누수를 점검하는 자동 평가와 인간 검수 체계를 설계해 학습 적합성과 품질을 관리했습니다.

  Stack

  • Large Language Models
  • Mid-training
  • SFT
  • RL
  • Data Curation
  • Quality Control
  • Reward Modeling
  • Safety Alignment
  Links

  • 프로젝트 소개
  • 고려대 참여 기사

• KURE: Korea University Retrieval Embedding Model 개발

  2024.08 ~ 2026.09

  Role

  KURE 개발 팀 리더
  Purpose

  한국어 중심에서 한·영 이중언어로 확장한 오픈소스 검색 모델 시리즈와 재현 가능한 평가 기반 개발
  Overview

  질의, 문서, hard negative로 구성된 약 200만 건의 한국어 학습 데이터로 BGE-M3를 미세조정한 KURE-v1과 학습 및 평가 코드를 공개했습니다. 후속 KURE-v2에서는 2,070만 건의 비지도 학습 쌍, 한·영 이중언어 late-interaction 검색 구조, 지식 증류를 결합했습니다. 1억 5,400만 파라미터로 MTEB(kor, v2) 한국어 검색 9개 과제 평균 nDCG@10 0.8160을 기록해 2026년 9월 공개 평가 기준 1위에 올랐습니다. KURE를 대표 모델로 포함한 ‘한국어 특화 생성·검색 AI 모델 개발’ 성과는 과학기술정보통신부 2025 국가연구개발 우수성과 100선 정보·전자 분야에 선정되었습니다.

  Stack

  • Information Retrieval
  • BGE-M3
  • Late Interaction
  • Multi-vector Retrieval
  • Contrastive Learning
  • Knowledge Distillation
  • MTEB
  Links

  • GitHub
  • KURE-v1 모델
  • KURE-v2 모델
  • KURE-v2 공식 기사
  • 국가연구개발 우수성과 100선
  • KURE-v1 논문

• 벡터 임베딩 구축과 유사도 검색 원천기술 개발

  2024.01.01 ~ 2024.12.31

  Role

  텍스트 임베딩 및 의미 검색 연구개발
  Purpose

  텍스트를 의미 기반 벡터로 표현하고 질의와 문서 간 유사도를 활용하는 검색 원천기술 개발
  Overview

  텍스트 임베딩 구축과 벡터 유사도 기반 검색 기술을 개발했습니다. 연구 성과는 두 기업에 각각 1억 원 규모로 기술이전되었고, 이 가운데 한 건은 프롬프트 활용 노하우를 포함했습니다.

  Stack

  • NLP
  • Text Embedding
  • Semantic Search
  • Vector Retrieval
  • Information Retrieval
  Links

  • 기술이전 실적

• 영화 추천시스템 개발을 위한 메타데이터 증강 및 구조화 기술 개발

  2023.02 ~ 2023.05

  Role

  메타데이터 증강 및 구조화 연구개발
  Purpose

  비정형 영화 정보를 추천시스템에서 활용할 수 있는 메타데이터로 확장하고 구조화
  Overview

  영화 콘텐츠의 비정형 정보를 추천에 활용할 수 있는 메타데이터로 확장하고 일관된 구조로 정리하는 기술을 연구했습니다. 콘텐츠의 다양한 속성과 영화 간 연관성을 추천 모델이 활용할 수 있는 데이터 기반으로 만드는 데 초점을 맞췄습니다.

  Stack

  • Content Metadata
  • Metadata Engineering
  • Data Structuring
  • Recommender Systems

• 삼성 모바일 제품 디자인 분석 기술 개발

  2022.08 ~ 2022.12

  Role

  NLP 모델 및 검색 파이프라인 연구개발
  Purpose

  모바일 제품 관련 대규모 텍스트에서 디자인 속성, 관련 문장, 잠재 주제를 찾아 제품 디자인 의사결정을 지원
  Overview

  YouTube 자막과 댓글을 분석하는 연구를 삼성 제품 및 디자인 관련성 분류, seed attribute 기반 의미 검색, 비지도 토픽 탐색의 세 단계로 설계했습니다. 언어 모델 기반 관련성 이진 분류, 코사인 유사도 기반 Top-K 검색, LDA와 BERTopic 비교를 하나의 디자인 분석 흐름으로 구성했습니다.

  Stack

  • BERT
  • RoBERTa
  • Sentence-BERT
  • BERTopic
  • Semantic Search
  • Topic Modeling
  • Text Classification

• 전문지식 대상 판단결과의 이유/근거를 설명가능한 전문가 의사 결정 지원 인공지능 기술개발

  2022.04.01 ~ 2026.12.31

  Role

  고려대학교 기관실무담당자
  Purpose

  상황에 맞는 전문지식과 사례를 검색 및 추론하고 판단 결과의 이유와 근거를 자연어로 설명하는 의사결정 지원 AI 개발
  Overview

  과제번호 2022-0-00369의 고려대학교 기관실무담당자로서 참여기관의 과제 운영 실무를 담당했습니다. 과제는 변화하는 전문지식의 지속학습, 사례 및 출처 기반 추론, 다중 문서 요약, 판단 예측과 근거 보고서 생성을 핵심 연구 범위로 합니다.

  Stack

  • Explainable AI
  • Decision Support
  • Evidence Reasoning
  • Continual Learning
  • Multi-document Summarization
  • Report Generation
  Links

  • 과제 소개
  • 연차보고서

• 실감형 문화유산 체험을 위한 애셋 기반 지능형 큐레이션 및 서비스 운영기술 개발: 지식 기반 관계 네트워크 생성을 위한 텍스트 마이닝 연구

  2022.01 ~ 2022.12

  Role

  고려대학교 참여연구원 · KoCHET 공동 제1저자
  Purpose

  문화유산 텍스트에서 개체와 관계를 추출해 지식 관계 네트워크를 구축하고 지능형 검색과 큐레이션에 활용
  Overview

  문화유산 도메인에 특화된 개체명 인식과 관계 추출을 연구하고, 추출 결과를 개체, 관계, 개체 트리플로 구조화해 지식 그래프 생성과 시각화의 기반을 마련했습니다. 직접 성과인 KoCHET에는 개체명 인식 112,362건, 관계 추출 38,765건, 개체 유형 분류 113,198건의 예제가 포함되며, COLING 2022에 공동 제1저자로 발표했습니다.

  Stack

  • Korean NLP
  • Named Entity Recognition
  • Relation Extraction
  • Entity Typing
  • Knowledge Graph
  • Domain Corpus
  Links

  • KoCHET 논문
  • KoCHET 데이터

• 특허 문서의 발명 목적 문장 추출 및 Key phrase 추출 기술 개발

  2021.06.01 ~ 2021.10.31

  Role

  특허 NLP 모델 연구개발 · 논문 공동 제1저자
  Purpose

  비정형 특허 문서에서 발명의 목적 문장과 핵심 명사구를 자동 추출하는 도메인 특화 NLP 파이프라인 개발
  Overview

  약 1.93GB, 155만여 문장의 특허 말뭉치를 구축하고 T5-large 추가 사전학습, TextRank 기반 요약, 목적 문장 분류 및 핵심 명사구 추출과 생성 파이프라인을 개발했습니다. 최종보고서에서 목적 문장 추출 점수 93과 Key phrase Exact@10 36.95로 목표치 90과 35를 각각 넘겼으며, 연구 결과를 IEEE Access 논문에 공동 제1저자로 발표했습니다.

  Stack

  • T5
  • SciBERT
  • TextRank
  • Domain-adaptive Pre-training
  • Sentence Extraction
  • Keyphrase Generation
  Links

  • IEEE Access 논문