update publication, and careers page

Author: lastdefiance20

src/pages/careers.mdx

@@ -23,7 +23,7 @@ import figHome from './image/maum-home.png';
 
 지원 가능한 직군은 아래와 같습니다.
 - AI Scientist (Brain팀)
-- ML Engineer (Brain팀)
+- ~~ML Engineer (Brain팀)~~ (현재 ML Engineer는 지원을 받고 있지 않습니다.)
 
 문의 사항이 있을 경우, [email protected] 로 문의주시면 최대한 빠르게 답변드릴 수 있도록 하겠습니다.
 
@@ -46,18 +46,18 @@ import figHome from './image/maum-home.png';
 ### 핵심 업무
 
 <Tabs groupId="job-position">
-<TabItem value="requirements" label="ML Engineer" default>
+<TabItem value="requirements" label="ML Engineer">
 
 - ML/DL 모델을 효율적으로 서빙하기 위한 시스템 개발 및 설계
 - ML/DL 모델의 학습 및 서빙 성능을 높이는 최신 최적화/양자화 기법 탐색 및 적용
 - 기존 학습/서빙 시스템의 성능을 높이기 위한 개선 방안 연구 및 구현
 
 </TabItem>
-<TabItem value="ai-scientist" label="AI Scientist">
+<TabItem value="ai-scientist" label="AI Scientist" default>
 
 - 현실 세계의 문제를 해결하기 위한 최적의 ML/DL 알고리즘을 설계
 - 기존 알고리즘 및 모델의 상업적 가치와 성능을 높이기 위한 개선 연구
-- 주 연구 분야: Audio(STT, TTS), Vision(Face generation), NLP(LLM, Retrieval, Dialog)
+- 주 연구 분야: Audio(STT, TTS), Vision(VLM, VLA), NLP(LLM, Retrieval, Dialog)
 
 </TabItem>
 </Tabs>
@@ -68,14 +68,14 @@ import figHome from './image/maum-home.png';
 ### 자격 요건
 
 <Tabs groupId="job-position">
-<TabItem value="requirements" label="ML Engineer" default>
+<TabItem value="requirements" label="ML Engineer">
 
 - Python, C++에 능숙하여 원하는 것을 구현할 수 있는 능력
 - Docker를 사용하여 서비스를 구성할 수 있는 능력
 - PyTorch 기반의 프레임워크로 작성된 코드를 이해하고 모델 아키텍처를 파악할 수 있는 능력
 
 </TabItem>
-<TabItem value="ai-scientist" label="AI Scientist">
+<TabItem value="ai-scientist" label="AI Scientist" default>
 
 - ML/DL 알고리즘을 깊이 이해할 수 있는 수준의 수학적 능력 및 모델링 능력
 - TensorFlow, PyTorch 등 DL framework 활용 및 모델 구현에 자유로울 수 있는 수준의 개발 능력
@@ -90,14 +90,14 @@ import figHome from './image/maum-home.png';
 ### 우대 요건
 
 <Tabs groupId="job-position">
-<TabItem value="requirements" label="ML Engineer" default>
+<TabItem value="requirements" label="ML Engineer">
 
 - 유관 전공 석사 이상의 경력 또는 관련 학회 논문 제출 경험
 - OpenMP, MPI, CUDA 등 multi-core CPU나 가속기를 활용하여 프로그램의 성능을 최적화 해본 경험
 - ONNX, ONNX Runtime을 사용해 PyTorch 모델을 변환하고 edge device에서 실행 해본 경험
 
 </TabItem>
-<TabItem value="ai-scientist" label="AI Scientist">
+<TabItem value="ai-scientist" label="AI Scientist" default>
 
 - 유관 전공 석사 이상의 경력 또는 관련 학회 논문 제출 경험
 - 금융, 의료, 교육, 패션 등 산업별 실제 데이터 기반 AI 프로젝트 경험
@@ -123,15 +123,15 @@ Brain팀은 시차출퇴근제를 진행하고 있습니다.
 **코어타임은 10시 30분부터 17시까지**로, 오전 8시 ~ 오전 10시 30분 사이에 각자가 정한 시간에 출근합니다.  
 **산업기능요원, 전문연구요원으로 복무하시는 분들도 시차출퇴근제 적용이 가능**합니다!
 
-병역이 아니신 정규직 분들은 재택과 병행하여 하이브리드 근무가 가능합니다. 😉
+병역이 아니신 정규직 분들은 **재택과 병행**하여 하이브리드 근무가 가능합니다. 😉
 
 <br/>
 
 ### 근무 환경
 
 Brain팀 구성원에게는 **입사 시 GPU 탑재 데스크탑부터 MacBook까지 원하는 기기를 지원**해드리며, **모니터 및 모니터암을 기본으로 제공**하여 Brain팀 구성원분들의 목 건강도 책임집니다! 💪
 
-Brain팀에는 **연구용으로만 On-premise로 V100 10대, A100 30대, H100 96대 이상을 운용**하고 있고, 인원당 On-premise GPU를 최소 2대 이상 사용하실 수 있게끔 연구 및 개발환경을 구축하고 있습니다. (2024년 12월 기준)
+Brain팀에는 **연구용으로만 On-premise로 V100 10대, A100 30대, H100 96대 이상을 운용**하고 있고, 인원당 On-premise GPU를 최소 2대 이상 사용하실 수 있게끔 연구 및 개발환경을 구축하고 있습니다. (2025년 5월 기준)
 
 <img className={styles.figCenter} src={figBrainRoom} alt="brain-room" />
 
@@ -144,7 +144,7 @@ Brain팀 AI Scientist는 회사의 사업 방향에 따른 연구인 **Strategic
 
 <img className={styles.figCenter} src={figHome} alt="home" />
 
-maum.ai는 전 직원 **점심 식사 식대를 제공**합니다.(1일 16000원) 판교 사옥 근처의 많은 식당을 자유롭게 이용할 수 있습니다!
+maum.ai는 전 직원 **점심 식사 식대를 제공**합니다.(1일 10000원) 판교 사옥 근처의 많은 식당을 자유롭게 이용할 수 있습니다!
 
 또한 사옥 내에도 로봇 바리스타가 비치되어 있어 자유롭게 음료 음용이 가능합니다. 🍹
 

src/pages/publications.mdx

@@ -14,6 +14,13 @@ import * as features from '@site/src/components/PublicationFeatures';
 ### 2025
 <section id="activities" className={styles.category}>
     <ul className={styles.publications}>
+        <li>
+            <features.ConferenceItem conference="ACL Findings"/>
+            <features.PaperTitle paperLink="https://arxiv.org/abs/2504.14175" title="Hypothetical Documents or Knowledge Leakage? Rethinking LLM-based Query Expansion"/>
+            <features.AuthorItem authors={["Yejun Yoon", "Jaeyoon Jung", "Seunghyun Yoon", "Kunwoo Park"]} numFirstAuthor={1} isBrainTeam={[false, true, false, false]}/>
+            <features.PaperDescription preview="Query expansion methods powered by large language models (LLMs) have demonstrated effectiveness in zero-shot retrieval tasks. "
+            description="These methods assume that LLMs can generate hypothetical documents that, when incorporated into a query vector, enhance the retrieval of real evidence. However, we challenge this assumption by investigating whether knowledge leakage in benchmarks contributes to the observed performance gains. Using fact verification as a testbed, we analyzed whether the generated documents contained information entailed by ground truth evidence and assessed their impact on performance. Our findings indicate that performance improvements occurred consistently only for claims whose generated documents included sentences entailed by ground truth evidence. This suggests that knowledge leakage may be present in these benchmarks, inflating the perceived performance of LLM-based query expansion methods, particularly in real-world scenarios that require retrieving niche or novel knowledge."/>
+        </li>
         <li>
             <features.ConferenceItem conference="CVPR Workshop"/>
             <features.PaperTitle paperLink="https://arxiv.org/abs/2503.23730" title="KOFFVQA: An Objectively Evaluated Free-form VQA Benchmark for Large Vision-Language Models in the Korean Language"/>