Move publication to conference folder: LLM-guided multi-agent reinforcement learning

Author: dongwooky

content/publication/2025-cooperative-multi-agent-anomaly-detection-through-consensus-and-integration/index.md

@@ -0,0 +1,35 @@
+---
+title: LLM 기반 다중 에이전트 강화학습을 활용한 이상탐지 기법
+authors:
+- dongwook-kwon
+- minseong-oh
+- cheolsoo-park
+date: '2025-10-01T00:00:00Z'
+publishDate: '2025-10-01T00:00:00Z'
+publication_types:
+- paper-conference
+publication: 대한전자공학회 추계학술대회, October 2025
+summary: 대한전자공학회 추계학술대회, October 2025
+featured: false
+tags:
+- Anomaly Detection
+- Multi-Agent Systems
+- Reinforcement Learning
+- Large Language Models
+url_code: ''
+url_dataset: ''
+url_poster: ''
+url_project: ''
+url_slides: ''
+url_source: ''
+url_video: ''
+abstract: >
+  본 논문은 다변량 시계열 이상탐지를 위해 대형 언어모델(LLM) 기반
+  다중 에이전트 강화학습 프레임워크를 제안한다. 각 에이전트는 개별적으로
+  이상을 탐지하며, 강화학습을 통해 에이전트 간 통신 구조를 효율적으로
+  최적화한다. 일부 에이전트는 LLM을 활용하여 수치적 이상뿐 아니라
+  의미적·맥락적 이상을 해석하며, 전체 시스템은 앙상블 융합과 불확실성
+  보정 기법을 통해 탐지 성능을 향상시킨다. NASA Mars Science Laboratory
+  데이터셋 실험 결과, 제안된 방법은 기존 개별 탐지 방식 대비
+  정밀도, 재현율 및 F1-score에서 유의미한 성능 향상을 보였다.
+---