성균관대학교 권민혜 교수 연구팀은 두 가지 AI 기술을 발표했다. 하나는 복잡한 작업을 수행하는 AI 비서가 매 단계마다 외부 고성능 모델에 검토를 요청하지 않고, 스스로 판단의 확신 정도를 따져 필요할 때만 도움을 받는 선택적 검토(SAG) 방식이다. 연구팀은 여기에 성공 경험을 축적해 외부 피드백 의존을 점차 낮추는 구조를 결합했다. 가상 환경 실험에서는 연산 자원 소모를 기존의 약 3분의 1 수준으로 줄였고, 작업 성공률은 24.6%에서 78.3%로 높아졌다.

다른 하나는 로봇과 자율주행처럼 안전이 중요한 환경을 위한 고신뢰성 강화학습 기술 VAN-Flow다. 이 방식은 과거 데이터에 포함된 일회성 성공을 그대로 학습하지 않고, 여러 상황에서 반복적으로 통하는 행동만 가려 반영하도록 설계됐다. 연구팀은 방해 요소가 많거나 장시간 정밀 조작이 필요한 40개 이상의 로봇 제어 시뮬레이션 과제에서 기술을 평가했고, 대부분에서 기존 최신 기법보다 높은 성공률을 기록했다고 밝혔다. 두 연구는 AI 시스템의 비용 효율과 작동 신뢰성을 함께 높이려는 접근으로 정리된다.