<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>해커톤 on 카페인파이터의 일기장</title><link>https://caffeine-fighter.github.io/tags/%ED%95%B4%EC%BB%A4%ED%86%A4/</link><description>Recent content in 해커톤 on 카페인파이터의 일기장</description><generator>Hugo -- gohugo.io</generator><language>ko-kr</language><lastBuildDate>Wed, 29 Jul 2026 00:00:00 +0900</lastBuildDate><atom:link href="https://caffeine-fighter.github.io/tags/%ED%95%B4%EC%BB%A4%ED%86%A4/index.xml" rel="self" type="application/rss+xml"/><item><title>2026 CODEGATE AI 스타트업 해커톤 후기: IndexGuard</title><link>https://caffeine-fighter.github.io/p/20260725-codegate-indexguard-hackathon-review/</link><pubDate>Sat, 25 Jul 2026 13:30:00 +0900</pubDate><guid>https://caffeine-fighter.github.io/p/20260725-codegate-indexguard-hackathon-review/</guid><description>&lt;h2 id="글을-쓰며"&gt;글을 쓰며
&lt;/h2&gt;&lt;p&gt;7월 21일부터 23일까지 &lt;strong&gt;CODEGATE 2026 AI 스타트업 해커톤&lt;/strong&gt;에 참가했다. 우리 팀은 RAG에 들어갈 문서를 검사하는 &lt;strong&gt;IndexGuard&lt;/strong&gt;를 만들었다.&lt;/p&gt;
&lt;p&gt;아이디어 정하고 역할 나눈 것부터 구현, 시연, 최종 발표와 결과까지 순서대로 적어 본다.&lt;/p&gt;
&lt;h2 id="참가-동기와-아이디어-선정"&gt;참가 동기와 아이디어 선정
&lt;/h2&gt;&lt;p&gt;대회 주제는 AI 스타트업이었고 한컴이 후원사로 참여했다. AI가 진짜 필요한 문제이면서, 국내 기업 문서 환경과도 이어지는 걸 만들고 싶었다.&lt;/p&gt;
&lt;p&gt;RAG 보안 하면 보통 사용자 질문이나 모델 답변을 막는 쪽이 먼저 떠오른다. 우리는 그 앞 단계인 원본 문서를 봤다. 사내 문서가 변조된 채로 지식베이스에 들어가면 그 뒤 답변도 다 오염된다. 그래서 색인하기 전에 문서 변경을 검사하고 막는 게이트를 만들기로 했다.&lt;/p&gt;
&lt;h2 id="팀-구성"&gt;팀 구성
&lt;/h2&gt;&lt;p&gt;팀원은 세 명이었다.&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;&lt;a class="link" href="https://github.com/caffeine-fighter" target="_blank" rel="noopener"
 &gt;&lt;code&gt;caffeine-fighter&lt;/code&gt;&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a class="link" href="https://github.com/jwj7140" target="_blank" rel="noopener"
 &gt;&lt;code&gt;jwj7140&lt;/code&gt;&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a class="link" href="https://github.com/AutoclickerI" target="_blank" rel="noopener"
 &gt;&lt;code&gt;AutoclickerI&lt;/code&gt;&lt;/a&gt;&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;나는 A, &lt;code&gt;jwj7140&lt;/code&gt;은 B, &lt;code&gt;AutoclickerI&lt;/code&gt;는 C를 맡았다.&lt;/p&gt;
&lt;table&gt;
 &lt;thead&gt;
 &lt;tr&gt;
 &lt;th&gt;담당&lt;/th&gt;
 &lt;th&gt;서비스&lt;/th&gt;
 &lt;th&gt;핵심 책임&lt;/th&gt;
 &lt;/tr&gt;
 &lt;/thead&gt;
 &lt;tbody&gt;
 &lt;tr&gt;
 &lt;td&gt;&lt;code&gt;caffeine-fighter&lt;/code&gt;&lt;/td&gt;
 &lt;td&gt;A. 문서 수집·무결성·색인 게이트웨이&lt;/td&gt;
 &lt;td&gt;파일 감지, PDF·DOCX·HWPX 정규화, diff, 해시·버전 기록, 분석 요청, 색인 통제&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td&gt;&lt;code&gt;jwj7140&lt;/code&gt;&lt;/td&gt;
 &lt;td&gt;B. AI 위험 분석·감사 엔진&lt;/td&gt;
 &lt;td&gt;sLLM 분석, 정책 의미 변경과 프롬프트 인젝션 탐지, 위험도·근거 산출, 고위험 재감사&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td&gt;&lt;code&gt;AutoclickerI&lt;/code&gt;&lt;/td&gt;
 &lt;td&gt;C. 운영 대시보드·승인 콘솔&lt;/td&gt;
 &lt;td&gt;변경 전후와 위험 근거 표시, 승인·보류·재분석, 보호된 RAG 시연&lt;/td&gt;
 &lt;/tr&gt;
 &lt;/tbody&gt;
&lt;/table&gt;
&lt;p&gt;역할표만 보면 평범한데, 이번엔 각자 하지 말아야 할 것도 같이 정했다.&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;A는 AI 위험도를 자체 계산하지 않는다.&lt;/li&gt;
&lt;li&gt;B는 원본 파일 저장소와 RAG 색인기에 접근하지 않는다.&lt;/li&gt;
&lt;li&gt;C는 위험도를 계산하거나 파일·색인을 직접 수정하지 않는다.&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;파일과 색인 권한을 가진 A가 위험도까지 스스로 판단하면 감사 구조가 무너진다. B가 공격 문서 속 지시문에 넘어가더라도 색인 권한이 없으니 피해가 제한된다. C는 운영자에게 증거와 할 수 있는 명령을 보여주기만 하고, 브라우저에서 상태를 새로 만들어내지 않는다. 이렇게 선을 그어 둔 덕에 세 명이 동시에 작업할 수 있었다.&lt;/p&gt;
&lt;h2 id="무엇을-만들었나"&gt;무엇을 만들었나
&lt;/h2&gt;&lt;p&gt;우리가 만든 건 &lt;strong&gt;IndexGuard&lt;/strong&gt;다. 표어는 &amp;ldquo;기억 전에, 검증.&amp;ldquo;으로 정했다.&lt;/p&gt;
&lt;p&gt;IndexGuard는 PDF, DOCX, HWPX 문서의 변경을 규칙과 AI로 분석해서, 숫자·정책 왜곡이나 간접 프롬프트 인젝션이 RAG 지식으로 저장되기 전에 막는 문서 무결성 게이트다.&lt;/p&gt;
&lt;p&gt;지식베이스에 들어가는 문서 자체가 오염돼 있으면, 모델은 공격자가 바꾼 내용을 회사의 정상적인 지식으로 기억해 버린다. 예를 들면 이렇다.&lt;/p&gt;
&lt;table&gt;
 &lt;thead&gt;
 &lt;tr&gt;
 &lt;th&gt;원문과 변경문&lt;/th&gt;
 &lt;th&gt;판정&lt;/th&gt;
 &lt;/tr&gt;
 &lt;/thead&gt;
 &lt;tbody&gt;
 &lt;tr&gt;
 &lt;td&gt;&lt;code&gt;AutoclickerI 월급 2,000,000원&lt;/code&gt; → &lt;code&gt;AutoclickerI의 월급 2,000,000원&lt;/code&gt;&lt;/td&gt;
 &lt;td&gt;의미가 같으므로 통과&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td&gt;&lt;code&gt;2,000,000원&lt;/code&gt; → &lt;code&gt;20,000,000원&lt;/code&gt;&lt;/td&gt;
 &lt;td&gt;금액 변조로 차단&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td&gt;&lt;code&gt;월급&lt;/code&gt; → &lt;code&gt;일급&lt;/code&gt;&lt;/td&gt;
 &lt;td&gt;지급 주기 변경으로 차단&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td&gt;&lt;code&gt;AutoclickerI&lt;/code&gt; → &lt;code&gt;jwj7140&lt;/code&gt;&lt;/td&gt;
 &lt;td&gt;적용 대상 변경으로 차단&lt;/td&gt;
 &lt;/tr&gt;
 &lt;/tbody&gt;
&lt;/table&gt;
&lt;p&gt;글자 차이를 전부 막으면 오탐 많은 diff 도구가 될 뿐이다. 그렇다고 문장이 대충 비슷하다고 통과시키면 숫자, 단위, 사람 이름처럼 작은데 치명적인 변경을 놓친다. 그래서 결정적 diff와 정적 규칙으로 핵심 변경을 먼저 잡고, 정책 의미나 우회 표현 해석은 따로 떨어진 AI 서비스에 맡겼다.&lt;/p&gt;
&lt;p&gt;판정과 실제 동작도 나눴다.&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;분석 판정: &lt;code&gt;ALLOW / REVIEW / BLOCK&lt;/code&gt;&lt;/li&gt;
&lt;li&gt;색인 동작: &lt;code&gt;INDEX / HOLD / QUARANTINE&lt;/code&gt;&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;&lt;code&gt;BLOCK&lt;/code&gt;이라고 빨간 글자를 띄우고 끝나는 게 아니다. 공격 문서는 실제 색인기에 들어가지 않고, 전에 승인된 안전한 문서가 그대로 남는다. 우리가 보여주고 싶었던 것도 위험해 보이는 화면보다는 &lt;strong&gt;오염된 문서의 색인 청크가 0개&lt;/strong&gt;라는 결과였다.&lt;/p&gt;
&lt;h3 id="왜-hwpx였나"&gt;왜 HWPX였나
&lt;/h3&gt;&lt;p&gt;한컴이 후원사라서 HWPX를 선택 기능이 아닌 P0로 잡았다.&lt;/p&gt;
&lt;p&gt;발표 자료에 후원사 로고를 넣는 것보다는, 한컴이 실제로 많이 만나는 공공·기업 문서 환경을 제품 한가운데 두는 게 낫다고 봤다. HWPX를 많이 쓰는 조직은 문서를 외부 SaaS로 보내기 어렵고, 변경 이력과 승인 근거도 중요하게 본다. 온프레미스 RAG 보안 게이트라는 설명과 잘 맞았다.&lt;/p&gt;
&lt;p&gt;HWPX는 ZIP과 XML 기반이라 본문만 읽는다고 끝나지 않는다. 비정상 압축, 외부 관계, 스크립트 payload, OLE, 숨김 스타일 같은 입력은 분석기 자체를 공격할 수 있다. 그래서 파일 형식과 ZIP 구조부터 검사하고, 본문·표·스타일과 숨김 흔적을 뽑았다. 중간에 문제가 생기면 텍스트만 대충 읽고 통과시키지 않고 실패 상태로 남겼다.&lt;/p&gt;
&lt;p&gt;레거시 바이너리 HWP는 넣지 않았다. 24시간 안에 HWPX 하나를 제대로 끝내고 PDF, DOCX를 같은 파이프라인에 붙이는 쪽을 골랐는데, 지금 봐도 잘한 판단 같다.&lt;/p&gt;
&lt;h2 id="대회-중-경과"&gt;대회 중 경과
&lt;/h2&gt;&lt;h3 id="첫날--일단-계약부터-고정했다"&gt;첫날 — 일단 계약부터 고정했다
&lt;/h3&gt;&lt;p&gt;전날 침대에서 기절했다가 오전 7시에 눈을 떴다. 행사장에는 8시 41분쯤 도착했다.&lt;/p&gt;
&lt;p&gt;처음엔 코드를 치지 않고 제품을 한 문장으로 뭐라고 할지, 최종 데모는 어떻게 할지, 공통 JSON은 어떻게 생길지부터 정했다. 기능을 많이 만드는 게 목표가 아니었다. 데모 흐름은 이랬다.&lt;/p&gt;
&lt;ol&gt;
&lt;li&gt;정상 HWPX가 RAG에 들어가 있다.&lt;/li&gt;
&lt;li&gt;공격자가 숫자와 정책을 바꾸고 숨은 지시문을 넣는다.&lt;/li&gt;
&lt;li&gt;IndexGuard가 변경 구간과 위험 근거를 찾는다.&lt;/li&gt;
&lt;li&gt;위험 문서를 격리해 실제 색인을 막는다.&lt;/li&gt;
&lt;li&gt;게이트가 없는 RAG와 보호된 RAG의 답변을 비교한다.&lt;/li&gt;
&lt;/ol&gt;
&lt;p&gt;이 흐름에 안 걸리는 기능은 만들지 않기로 했다.&lt;/p&gt;
&lt;p&gt;오전 10시 43분쯤 팀 방향과 역할을 채팅방에 올렸고, 11시 32분에 &lt;a class="link" href="https://github.com/Generated-by-AI/IndexGuard" target="_blank" rel="noopener"
 &gt;IndexGuard 저장소&lt;/a&gt;를 열었다. 11시 30분대에 전략 문서가 들어갔고, 12시 33분에 첫 문서 무결성 게이트웨이가 올라갔다. 오후 3시 22분에는 A 게이트웨이에 Git diff watcher가 붙었다.&lt;/p&gt;
&lt;p&gt;그동안 &lt;code&gt;jwj7140&lt;/code&gt;은 B 분석 경로와 OpenAI 호환 로컬 모델 연결을 만들었고, &lt;code&gt;AutoclickerI&lt;/code&gt;는 대시보드와 운영자 명령 흐름을 구현했다.&lt;/p&gt;
&lt;p&gt;저녁부터는 각자 만든 걸 &lt;code&gt;main&lt;/code&gt;에 계속 합쳤다. 충돌이 없으면 그냥 push하고 merge했고, 계약이 어긋나는 부분만 바로 고쳤다. 막상 붙여 보니 문제가 계속 나왔다.&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;A와 B가 같은 &lt;code&gt;decision&lt;/code&gt;을 서로 다른 의미로 사용함&lt;/li&gt;
&lt;li&gt;&lt;code&gt;ALLOW&lt;/code&gt; 판정과 실제 &lt;code&gt;INDEX&lt;/code&gt; 완료를 같은 사건처럼 표시함&lt;/li&gt;
&lt;li&gt;재분석 결과가 이전 후보 문서의 SHA와 섞일 수 있음&lt;/li&gt;
&lt;li&gt;C가 화면에서 권위 있는 상태를 다시 계산함&lt;/li&gt;
&lt;li&gt;B가 죽었을 때 문서가 애매한 상태로 남음&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;그래서 &lt;code&gt;ALLOW + INDEX&lt;/code&gt;가 나와도 운영자가 승인하기 전까지는 &lt;code&gt;HOLD&lt;/code&gt;로 두고, 승인 시점의 후보 SHA-256이 현재 문서와 같을 때만 색인하게 했다. B가 죽거나 계약에 안 맞는 응답을 보내면 자동으로 통과시키지 않는다. 보안 제품이니까 실패하면 편하게 넘어가기보다 멈추는 쪽을 택했다.&lt;/p&gt;
&lt;h3 id="첫날-밤--배관이-터졌다"&gt;첫날 밤 — 배관이 터졌다
&lt;/h3&gt;&lt;p&gt;첫날 밤 11시 44분쯤 집에 급한 일이 생겼다. 배관이 터졌다. 응급처치를 못 하면 물바다가 되는 종류였다.&lt;/p&gt;
&lt;p&gt;집에 가서 해결하고 다시 나오니 막차가 끊겨 있었다. 택시를 탈까 하다가 27분 뒤에 차가 있다는 걸 알았는데, 결국 그것도 놓치고 다음 N61을 탔다.&lt;/p&gt;
&lt;p&gt;지하철에서는 작업하기 힘들어도 버스에서는 뭐라도 할 수 있었다. 이동하면서 팀 상황을 확인했고, 새벽 2시 25분쯤 방배역을 지나 다시 합류했다.&lt;/p&gt;
&lt;p&gt;해커톤 후기에 배관 얘기를 길게 쓸 건 아닌데, 그때 작업 상태를 설명하려면 빼기가 어렵다. 기능 통합하고 발표 준비하는 와중에 집이 물바다가 될 뻔했다. 어쨌든 해결하고 행사장으로 돌아와서 작업을 이어 갔다.&lt;/p&gt;
&lt;h3 id="둘째-날--작동하는-코드를-시연으로-바꿨다"&gt;둘째 날 — 작동하는 코드를 시연으로 바꿨다
&lt;/h3&gt;&lt;p&gt;새벽에는 세 서비스 사이의 계약과 늦게 도착하는 분석 결과를 계속 맞췄다. 오전에는 시연 영상을 찍었다.&lt;/p&gt;
&lt;p&gt;첫 번째 영상에서는 정작 보여줘야 할 부분이 거의 안 보였다. 그래서 다시 찍었다. 제품이 실제로 돌아가는 것과 영상에서 돌아가는 것처럼 보이는 건 또 다른 문제였다.&lt;/p&gt;
&lt;p&gt;최종 데모는 이렇게 줄였다.&lt;/p&gt;
&lt;ol&gt;
&lt;li&gt;정상 HWPX의 정책 답변 확인&lt;/li&gt;
&lt;li&gt;숫자와 숨은 지시문이 변조된 HWPX 투입&lt;/li&gt;
&lt;li&gt;숫자 diff와 프롬프트 인젝션 근거 표시&lt;/li&gt;
&lt;li&gt;&lt;code&gt;BLOCK / QUARANTINE&lt;/code&gt; 판정&lt;/li&gt;
&lt;li&gt;공격 문서의 색인 청크가 0개임을 확인&lt;/li&gt;
&lt;li&gt;기존 안전 문서로 정상 답변 유지&lt;/li&gt;
&lt;/ol&gt;
&lt;p&gt;대회 기간에 Streamlit 운영 콘솔도 공개 배포했다. README 첫 화면에는 실행 링크, 핵심 시나리오, 기술 스택을 올렸다.&lt;/p&gt;
&lt;p&gt;기술적으로 할 얘기는 많았다.&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;HWPX ZIP/XML 보안 파서&lt;/li&gt;
&lt;li&gt;OpenDataLoader PDF와 PyMuPDF 정규화&lt;/li&gt;
&lt;li&gt;의미 보존 diff&lt;/li&gt;
&lt;li&gt;정적 규칙과 로컬 sLLM&lt;/li&gt;
&lt;li&gt;고위험 2차 감사&lt;/li&gt;
&lt;li&gt;SHA-256 감사 체인&lt;/li&gt;
&lt;li&gt;Git watcher&lt;/li&gt;
&lt;li&gt;MCP&lt;/li&gt;
&lt;li&gt;승인 상태 머신&lt;/li&gt;
&lt;li&gt;보호된 RAG&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;문제는 이걸 다 설명하면 아무도 제품을 기억 못 한다는 거였다. 그래서 표어를 “기억 전에, 검증.”으로 줄였다. 지금 생각하면 발표도 그만큼 더 줄였어야 했다.&lt;/p&gt;
&lt;h3 id="발표-날--데모데이"&gt;발표 날 — 데모데이
&lt;/h3&gt;&lt;p&gt;발표 날은 오후 2시 24분에 슬슬 일어났다.&lt;/p&gt;
&lt;p&gt;4시 10분쯤 맞춰 가려고 했고, 실제로는 4시 17분에 코엑스 그랜드볼룸 앞에 도착했다. 발표 10분, 질의응답 5분이었고, 입장하는 순간부터 시간이 간다는 설명을 듣고 팀에 전달했다.&lt;/p&gt;
&lt;p&gt;&lt;code&gt;jwj7140&lt;/code&gt;은 이미 발표 대기 중이었다. &lt;code&gt;AutoclickerI&lt;/code&gt;는 랩미팅이 늦게 끝나서 삼성역에서 코엑스 안으로 뛰어오는 중이었다. 에스컬레이터 A 앞에 있다고 해서 내가 마중을 나갔다. 코엑스에서 사람 찾는 게 생각보다 쉽지 않았는데, 4시 38분쯤 겨우 만났다.&lt;/p&gt;
&lt;p&gt;발표는 준비한 흐름대로 했다. 그런데 영상 소리가 안 나왔다.&lt;/p&gt;
&lt;p&gt;우리는 화면만 봐도 내용이 보인다고 생각했지만, 발표장에서 소리가 빠지면 관객은 영상 속도나 어디가 중요한지 따라가기 어렵다. 만들 때는 두 번이나 찍어 놓고 재생 환경 확인은 놓쳤다.&lt;/p&gt;
&lt;p&gt;질의응답에서는 &amp;ldquo;RAG 보안이라기보다 파일 보안 아닌가&amp;rdquo;, &amp;ldquo;RAG와 일반 검색은 어떻게 다른가&amp;quot;에 가까운 질문을 받았다.&lt;/p&gt;
&lt;p&gt;처음엔 우리가 만든 게 딱 그 교집합이라고 생각했다. 파일 변경을 검사하긴 하지만 목적은 RAG 색인 오염을 막는 거니까.&lt;/p&gt;
&lt;p&gt;그런데 다시 생각해 보면, 문제가 어디서 시작되는지를 우리가 충분히 쉽게 설명하지 못했다는 얘기이기도 했다. 심사위원이 RAG, 임베딩, 리트리버를 이미 안다고 깔고 발표했다. 그래서 오염된 문서가 어떻게 틀린 답변을 만드는지보다 아키텍처와 보안 구조를 먼저 꺼냈다. 만든 사람한테는 당연한 단어도 처음 듣는 사람한테는 하나하나가 부담이다.&lt;/p&gt;
&lt;h2 id="결과"&gt;결과
&lt;/h2&gt;&lt;p&gt;발표가 끝나고 결과를 기다렸지만 따로 연락은 오지 않았다.&lt;/p&gt;
&lt;p&gt;개인적으로는 수상권이었다고 생각한다. HWPX 지원, 처음부터 끝까지 이어지는 차단 데모, 공개 배포, 발표 자료까지 다 끝냈다. 심사표가 공개되지 않았으니 어디까지나 내 느낌이다. 그래도 상을 못 받았다고 제품까지 깎아내리고 싶지는 않다.&lt;/p&gt;
&lt;p&gt;다만 잘 만든 것과 잘 보여준 건 달랐다. 다음에 고칠 건 꽤 분명하다.&lt;/p&gt;
&lt;h2 id="오답노트"&gt;오답노트
&lt;/h2&gt;&lt;h3 id="도입부가-어려웠다"&gt;도입부가 어려웠다
&lt;/h3&gt;&lt;p&gt;하고 싶은 말은 많았고 발표 시간은 짧았다.&lt;/p&gt;
&lt;p&gt;다음에는 첫 화면에 이 두 줄부터 띄울 생각이다.&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;게이트 없음: 변조 문서가 색인되어 &lt;code&gt;월급 2,000만 원&lt;/code&gt;으로 답함&lt;/li&gt;
&lt;li&gt;IndexGuard 적용: 변조 문서는 격리되고 기존 &lt;code&gt;월급 200만 원&lt;/code&gt;으로 답함&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;왜 이게 되는지는 그다음에 설명하면 된다. 아키텍처는 제품을 먼저 보여준 뒤 근거로 꺼내는 게 나았다.&lt;/p&gt;
&lt;h3 id="ai의-역할이-선명하지-않았다"&gt;AI의 역할이 선명하지 않았다
&lt;/h3&gt;&lt;p&gt;우리 설계에서는 AI가 최종 권한을 갖지 않는 게 장점이었다. 그런데 AI 스타트업 해커톤에서 이걸 잘못 설명하면 &amp;ldquo;그럼 AI는 왜 필요한데?&amp;ldquo;로 들릴 수 있다.&lt;/p&gt;
&lt;p&gt;규칙은 숫자와 숨김 요소를 잡고, AI는 정책 의미와 우회 표현을 해석한다. 이 차이를 사례 하나로 나란히 보여줬어야 했다.&lt;/p&gt;
&lt;h3 id="사업-설명이-늦었다"&gt;사업 설명이 늦었다
&lt;/h3&gt;&lt;p&gt;살 사람은 보안팀, AI 플랫폼팀, 내부감사팀이다. 대상은 HWPX 문서가 많고 외부 SaaS로 문서를 보내기 어려운 공공·금융·법무 조직이고, 도입은 온프레미스 API나 문서 수집 파이프라인 플러그인 형태다.&lt;/p&gt;
&lt;p&gt;이 얘기를 발표 후반에 했는데, 처음에 했어야 했다. 심사위원 입장에서는 누가 왜 돈을 내는지 알아야 기술 설명을 들을 이유가 생긴다.&lt;/p&gt;
&lt;h3 id="발표-환경을-믿었다"&gt;발표 환경을 믿었다
&lt;/h3&gt;&lt;p&gt;영상 소리, 행사장 네트워크, 공개 서버, 발표 PC 전부 실패할 수 있다. 다음에는 이런 걸 따로 준비해 두려고 한다.&lt;/p&gt;
&lt;ol&gt;
&lt;li&gt;소리 없이도 이해되는 60초 영상&lt;/li&gt;
&lt;li&gt;로컬 원클릭 데모&lt;/li&gt;
&lt;li&gt;공개 배포&lt;/li&gt;
&lt;li&gt;정지 화면만으로 설명 가능한 백업 슬라이드&lt;/li&gt;
&lt;li&gt;발표 PC에서의 실제 재생 테스트&lt;/li&gt;
&lt;/ol&gt;
&lt;p&gt;데모가 좋으면 좋을수록 여러 벌로 준비해 둬야 한다.&lt;/p&gt;
&lt;h2 id="잘한-점"&gt;잘한 점
&lt;/h2&gt;&lt;h3 id="실제-색인을-막았다"&gt;실제 색인을 막았다
&lt;/h3&gt;&lt;p&gt;제일 잘한 선택이다. 위험 점수 92점에 빨간 경고창만 띄웠다면 흔한 분석 대시보드였을 거다. IndexGuard는 공격 후보의 색인 청크를 실제로 0개로 만들고, 이전 안전 버전이 계속 검색되게 했다. 화면이 아니라 시스템 상태로 보여줄 수 있었다.&lt;/p&gt;
&lt;h3 id="권한을-분리했다"&gt;권한을 분리했다
&lt;/h3&gt;&lt;p&gt;A, B, C는 발표용 이름이 아니라 실제 서비스 경계였다.&lt;/p&gt;
&lt;p&gt;B의 AI가 공격 문서 속 지시문을 따르더라도 파일이나 색인은 못 바꾼다. C가 화면 상태를 잘못 만들어도 승인 요청 이상은 할 수 없다. 최종 색인은 A가 문서 SHA와 승인 상태를 다시 확인한 다음에 실행한다. AI가 틀려도 안전하게 버티는 쪽으로 만들었다.&lt;/p&gt;
&lt;h3 id="한컴-후원-맥락을-기능으로-연결했다"&gt;한컴 후원 맥락을 기능으로 연결했다
&lt;/h3&gt;&lt;p&gt;HWPX를 구색으로 넣은 게 아니다. 실제 HWPX 본문, 표, 스타일, 숨김 흔적을 뽑아서 PDF·DOCX와 같은 계약으로 넘겼고, 국내 공공·금융·기업 문서 환경이라는 시장 설명과도 자연스럽게 이어졌다.&lt;/p&gt;
&lt;h3 id="계약을-먼저-정했다"&gt;계약을 먼저 정했다
&lt;/h3&gt;&lt;p&gt;세 명이 동시에 작업하면서도 처음부터 끝까지 연결할 수 있었던 건 이것 덕분이다. 각자 코드부터 짰다면 &lt;code&gt;decision&lt;/code&gt;, &lt;code&gt;index_action&lt;/code&gt;, 문서 버전과 SHA의 의미를 맞추느라 시간을 다 썼을 거다. 공통 JSON과 권한 경계를 먼저 박아 둬서 merge가 빨랐다.&lt;/p&gt;
&lt;h2 id="앞으로"&gt;앞으로
&lt;/h2&gt;&lt;p&gt;이번 대회를 하면서, 해커톤 제품은 이 네 가지를 다 갖춰야 한다고 느꼈다.&lt;/p&gt;
&lt;ol&gt;
&lt;li&gt;코드로 작동해야 한다.&lt;/li&gt;
&lt;li&gt;데모에서 재현돼야 한다.&lt;/li&gt;
&lt;li&gt;한 문장으로 이해돼야 한다.&lt;/li&gt;
&lt;li&gt;심사 기준의 언어로 가치가 설명돼야 한다.&lt;/li&gt;
&lt;/ol&gt;
&lt;p&gt;이번엔 1번, 2번은 꽤 잘했고 3번도 표어까지는 만들었다. 4번에서는 기술 용어를 더 덜어낼 수 있었다.&lt;/p&gt;
&lt;p&gt;공통 계약과 권한은 일찍 정해서 세 명이 같이 움직일 수 있었는데, 발표에서 뭘 뺄지는 늦게 정했다. 코드는 합치면 되지만 발표는 각자 설명을 합친다고 정리되지 않았다.&lt;/p&gt;
&lt;p&gt;&lt;code&gt;jwj7140&lt;/code&gt;은 로컬 모델과 B 분석 엔진을 실제 서비스로 만들었고, &lt;code&gt;AutoclickerI&lt;/code&gt;는 복잡한 상태와 근거를 운영자가 다룰 수 있는 화면과 RAG 데모로 바꿨다. 나는 문서가 들어오는 순간부터 승인된 SHA만 색인되는 마지막 단계까지 A 게이트웨이와 전체 계약을 이었다. 셋 중 한 명이라도 자기 몫을 못 끝냈으면 최종 데모는 안 나왔다.&lt;/p&gt;
&lt;p&gt;다음엔 기술을 더 많이 보여주려고 하지 않을 거다. 공격 문서 하나, 틀린 답변 하나, 차단되는 모습 하나, 정상 답변 하나. 이 넷부터 보여주고 나머지는 질문이 오면 설명하겠다.&lt;/p&gt;
&lt;p&gt;대회 이후 구현 내용과 코드는 공개 저장소에 정리해 두었다.&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;&lt;a class="link" href="https://github.com/Generated-by-AI/IndexGuard" target="_blank" rel="noopener"
 &gt;IndexGuard GitHub&lt;/a&gt;&lt;/li&gt;
&lt;/ul&gt;</description></item><item><title>2026 양자정보경진대회 후기: QuantumCylinder</title><link>https://caffeine-fighter.github.io/p/20260701-quantum-cylinder-contest-review/</link><pubDate>Wed, 01 Jul 2026 23:40:00 +0900</pubDate><guid>https://caffeine-fighter.github.io/p/20260701-quantum-cylinder-contest-review/</guid><description>&lt;h2 id="글을-쓰며"&gt;글을 쓰며
&lt;/h2&gt;&lt;p&gt;2026 양자정보경진대회가 끝났다.&lt;/p&gt;
&lt;p&gt;최종 저장소는 아래에 남겨 둔다.&lt;/p&gt;

 &lt;blockquote&gt;
 &lt;p&gt;GitHub: &lt;a class="link" href="https://github.com/chaejinlim235/QuantumCylinder/" target="_blank" rel="noopener"
 &gt;https://github.com/chaejinlim235/QuantumCylinder/&lt;/a&gt;&lt;/p&gt;

 &lt;/blockquote&gt;
&lt;p&gt;팀원은 GitHub 아이디로만 적는다.&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;팀장 &lt;code&gt;chaejinlim235&lt;/code&gt; (POSTECH 26')&lt;/li&gt;
&lt;li&gt;팀원 &lt;code&gt;caffeine-fighter&lt;/code&gt; (SNU TI 24')&lt;/li&gt;
&lt;li&gt;팀원 &lt;code&gt;koi312500&lt;/code&gt; (DGIST 26')&lt;/li&gt;
&lt;li&gt;팀원 &lt;code&gt;dreamerghost77&lt;/code&gt; (SNU TI 26')&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;5월에 팀이 꾸려졌을 때부터 예선, 3일간의 본선, 제출까지 순서대로 적어 본다.&lt;/p&gt;
&lt;p&gt;저장소에는 최종 코드와 문서가 남아 있지만, 그것만 봐서는 어떤 실험을 왜 버렸고 어떤 결과를 왜 본문에 남겼는지 알기 어렵다. 그 사이에 내렸던 판단들을 잊기 전에 적어 두려고 한다.&lt;/p&gt;
&lt;h2 id="참가-배경"&gt;참가 배경
&lt;/h2&gt;&lt;p&gt;양자정보경진대회 전날까지 나는 SKYSH 해커톤에 있었다.&lt;/p&gt;
&lt;p&gt;거기서 우리 팀은 업비트 공개 데이터로 시장이 얼마나 과열됐는지 살펴서, 사용자가 감정적으로 매수·매도하기 전에 한 번 멈추게 하는 &lt;strong&gt;FOMO Break&lt;/strong&gt;를 만들었다. 나는 제품 방향과 MVP 구현을 주로 맡아 백엔드 API, Historical Mirror, Decision Pause, 프론트엔드 시연 화면까지 끝까지 붙들고 있었다.&lt;/p&gt;

 &lt;blockquote&gt;
 &lt;p&gt;SKYSH 후기: &lt;a class="link" href="https://caffeine-fighter.github.io/p/20260629-fomo-break-hackathon-review/" target="_blank" rel="noopener"
 &gt;https://caffeine-fighter.github.io/p/20260629-fomo-break-hackathon-review/&lt;/a&gt;&lt;/p&gt;

 &lt;/blockquote&gt;
&lt;p&gt;그 대회가 끝난 바로 다음 날 양자정보경진대회가 시작됐다. 체력은 이미 많이 빠진 상태였다. 최근 여러 대회와 프로그램 결과가 기대만큼 나오지 않아서 나를 다시 증명할 결과가 급했고, 상금도 필요했다. 경험이나 쌓자는 마음으로 들어간 대회는 아니었다.&lt;/p&gt;
&lt;p&gt;도구 쓰는 방식도 이어졌다. SKYSH에서는 Codex를 처음으로 본격적인 개발 보조 도구로 썼고, 이번에는 자동화된 &lt;strong&gt;Hermes agent&lt;/strong&gt;를 반복 실험에 붙였다. 하루 만에 제품을 만드는 대회를 끝내고, 바로 다음 날부터 여러 시드와 후보를 밤새 돌리며 근거를 쌓는 대회로 넘어간 셈이다.&lt;/p&gt;
&lt;h2 id="팀-결성과-예선"&gt;팀 결성과 예선
&lt;/h2&gt;&lt;p&gt;팀은 5월 초에 만들어졌다. 양자정보 전문가가 모인 팀은 아니었다. 처음 반응부터 “이걸 학부생이 제대로 할 수 있나?”에 가까웠다.&lt;/p&gt;
&lt;p&gt;지정문제는 여러 개였다. Trotterized quantum simulation, neutral atom QPU에서의 QUBO, Quantum Machine Learning, Dynamic Circuit 같은 주제가 있었고, 우리는 3번과 4번 사이에서 고민했다.&lt;/p&gt;
&lt;p&gt;3번에는 Quantum DDPM, random unitary, diffusion, circuit depth, noise, hardware-efficient reverse process가 한꺼번에 들어 있었다. 4번 Dynamic Circuit도 재밌어 보였지만, 3번은 생성형 모델과 Qiskit 구현 경험을 같이 써먹을 수 있을 것 같았다.&lt;/p&gt;
&lt;p&gt;정답이 정해진 계산 문제는 아니었다. 기본 구조를 이해한 다음 실험과 해석을 직접 만들어야 했다. 잘 풀면 우리만의 결과가 나오겠지만, 잘못 풀면 실험만 잔뜩 늘어놓고 결론은 하나도 못 낼 수 있었다. 그래도 3번을 골랐다.&lt;/p&gt;
&lt;p&gt;팀명 후보로는 네 명이 모인 예측 불가능한 팀이라는 뜻의 &lt;strong&gt;4 body problem&lt;/strong&gt;도 있었는데, 최종 이름은 &lt;strong&gt;QuantumCylinder&lt;/strong&gt;가 됐다.&lt;/p&gt;
&lt;p&gt;예선 신청서는 급하게 썼다. 팀장인 &lt;code&gt;chaejinlim235&lt;/code&gt;가 참가 신청과 서류 제출을 주도했고, 나머지는 각자의 연구·개발·딥러닝 경험을 보태면서 문장과 내용을 검토했다.&lt;/p&gt;
&lt;p&gt;이때쯤 우리 팀 성격도 대충 정해졌다. 양자정보 전문팀이라기보다는 구현과 실험으로 밀어붙이는 팀이었고, 생성형 AI와 QML을 연결해 보고 싶어 했다. 모르는 걸 아는 척하지 않고, 할 수 있는 주장과 할 수 없는 주장을 나누려는 팀이기도 했다.&lt;/p&gt;
&lt;p&gt;본선 진출 소식을 들었을 때는 솔직히 “이게 되네” 싶었다. 그런데 계절학기, 다른 대회, 개인 일정까지 겹쳐서 준비할 시간이 부족했다. 그래도 이미 붙었고, 이런 대회를 직접 해 볼 기회도 흔치 않았다. 끝까지 가 보기로 했다.&lt;/p&gt;
&lt;h2 id="준비-과정"&gt;준비 과정
&lt;/h2&gt;&lt;p&gt;본선 전 며칠 동안 Qiskit, IBM Quantum Learning, QML 자료와 작년 문제를 공부했다. 돌려 볼 만한 노트북 후보와 관련 논문도 모았다. 준비가 충분했다고는 못 하겠다.&lt;/p&gt;
&lt;p&gt;양자정보경진대회는 보통의 웹·앱 해커톤과 결이 달랐다. 웹 해커톤이면 일단 사용자가 누를 화면과 API부터 만들면 된다. 여기서는 코드가 돈다고 끝이 아니었다. 그 결과가 물리적으로 왜 말이 되는지, 어떤 지표로 비교할지, 어디까지 주장해도 되는지를 같이 설명해야 했다.&lt;/p&gt;
&lt;p&gt;“양자”라는 단어가 붙었다고 그럴듯해 보이는 회로를 늘어놓고 싶지는 않았다. 서로 다른 방법을 같은 지표로 비교하고, 말할 수 있는 것과 없는 것을 나눠 두기로 했다.&lt;/p&gt;
&lt;p&gt;처음부터 정해 둔 선은 이랬다.&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;quantum advantage나 hardware advantage를 주장하지 않는다.&lt;/li&gt;
&lt;li&gt;full trainable QuDDPM을 구현했다고 말하지 않는다.&lt;/li&gt;
&lt;li&gt;Hamiltonian projected diffusion이 random-unitary diffusion보다 항상 좋다고 말하지 않는다.&lt;/li&gt;
&lt;li&gt;continuous basis가 axis-only보다 압도적으로 좋다고 말하지 않는다.&lt;/li&gt;
&lt;li&gt;IBM QPU 실행은 실제 장비에서 작은 회로가 동작했는지 확인한 것이지 성능 우위의 증명이 아니다.&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;발표를 약하게 만들려고 정한 제약은 아니었다. 작은 toy experiment를 큰 말로 포장하면 그 순간부터 결과물 전체를 믿기 어려워진다.&lt;/p&gt;
&lt;h2 id="대회-중-경과"&gt;대회 중 경과
&lt;/h2&gt;&lt;h3 id="day-1--problem-1-random-unitary-scrambling"&gt;Day 1 — Problem 1: random-unitary scrambling
&lt;/h3&gt;&lt;p&gt;본선은 6월 29일에 시작됐다.&lt;/p&gt;
&lt;p&gt;문제는 기초 역할을 하는 Problem 1, 2와 사실상 자유 주제인 Problem 3으로 나뉘어 있었다. 바로 Problem 3에 뛰어드는 건 위험했다. Problem 1, 2가 흔들리면 뒤의 이야기도 설 수가 없다. 그렇다고 기초 문제에 하루를 다 쓸 수도 없었다. 그래서 첫날 기준선을 빨리 잠그고 Problem 3으로 넘어가야 한다고 생각했다.&lt;/p&gt;
&lt;p&gt;Problem 1에서는 \(\lvert 00\rangle\) 근처의 2-qubit target ensemble \(S_0\)를 만들고 pure-state fidelity를 바탕으로 ensemble distance를 계산했다.&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;fidelity-kernel MMD&lt;/li&gt;
&lt;li&gt;cost \(1-F\) 기반 Wasserstein-type distance&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;그다음 random single-qubit rotations와 entangling operation을 걸어 diffusion trajectory를 만들었다. 초기 cluster structure는 천천히 퍼진다기보다 빠르게 무너지면서 Haar-like reference level 근처로 갔고, 이걸 strong-scrambling 과정으로 해석했다.&lt;/p&gt;
&lt;p&gt;최종 Haar reference baseline은 다음과 같았다.&lt;/p&gt;
\[
\begin{aligned}
D_{\mathrm{MMD}} &amp;= 0.869583 \pm 0.024043,\\
W_{1-F} &amp;= 0.724439 \pm 0.021491.
\end{aligned}
\]&lt;p&gt;이 값은 학습 목표가 아니고, random-unitary diffusion이 strong-scrambling regime에 들어갔는지 판단하려고 둔 기준선이었다.&lt;/p&gt;
&lt;h3 id="day-1--problem-2-hamiltonian-projected-diffusion"&gt;Day 1 — Problem 2: Hamiltonian projected diffusion
&lt;/h3&gt;&lt;p&gt;Problem 2에서는 2-qubit data system \(M\)에 complement qubit \(F\)를 붙여 3-qubit system을 만들고, 고정 Hamiltonian으로 시간 진화시킨 뒤 complement qubit을 projection해서 data ensemble을 얻었다.&lt;/p&gt;
\[
H=\sum_j \left(h_xX_j+h_yY_j\right)
 +J\sum_j X_jX_{j+1},
\]\[
h_x=0.8090,\qquad h_y=0.9045,\qquad J=1.0.
\]&lt;p&gt;random gate-level control과 Hamiltonian/time/projection control을 Problem 1과 같은 지표로 비교해 보려는 것이었다.&lt;/p&gt;
&lt;p&gt;random-unitary diffusion은 fluctuation과 saturation이 빨리 나타나는 strong scrambling 기준선으로 봤고, Hamiltonian projected diffusion은 고정 Hamiltonian 아래에서 time과 projection choice를 조절하는 방식으로 봤다. 어느 쪽이 항상 낫다고 할 수는 없었다.&lt;/p&gt;
&lt;p&gt;첫 한 시간 남짓 만에 Problem 1, 2의 기본 방향과 계산 뼈대는 나왔다. 진짜 승부는 자유도가 큰 Problem 3의 실험과 해석에서 날 것 같았다.&lt;/p&gt;
&lt;p&gt;물론 초안이 빨리 나왔다고 제출물이 완성된 건 아니었다. 둘째 날까지도 metric 설명, resource comparison, figure readability를 계속 손봤다. Problem 3를 파면서도 기본 문제에서 감점받지 않도록 두 답안을 같이 챙겨야 했다.&lt;/p&gt;
&lt;h3 id="day-1-저녁--실험과-보고서의-속도가-갈리다"&gt;Day 1 저녁 — 실험과 보고서의 속도가 갈리다
&lt;/h3&gt;&lt;p&gt;첫날 오후 7시쯤에는 코드와 실험이 보고서보다 한참 앞서 있었다. 나는 이미 Problem 3으로 넘어가야 한다고 봤지만, 다른 팀원들은 Problem 1, 2 보고서부터 마무리해야 한다고 생각했다.&lt;/p&gt;
&lt;p&gt;코드가 아무리 앞서가도 제출물에서 수식, 문장, 그림이 서로 다른 말을 하면 소용이 없다. 그래서 나도 보고서 작성에 들어갔다. 최신 결과를 계속 반영하고 팀원들에게 검토를 부탁하면서 수식과 문장, figure를 맞춰 나갔다.&lt;/p&gt;
&lt;p&gt;검토가 어느 정도 끝난 뒤에는 내 컴퓨터와 &lt;code&gt;dreamerghost77&lt;/code&gt;의 컴퓨터를 각각 주·보조 실험 장비로 두고 밤새 자동화 실험을 돌렸다. 그때부터는 코드를 만든다기보다 실험과 문서를 동시에 굴리는 체력전이었다.&lt;/p&gt;
&lt;p&gt;이 무렵부터 내가 맡는 일이 확 늘었다. 실험 설계, 핵심 구현, 자동화 스크립트, 결과 확인, 보고서 초안이 내 쪽으로 몰리기 시작했다. 막히면 내가 풀고, 숫자가 이상하면 내가 다시 돌리고, 보고서 논리가 흔들리면 내가 다시 이었다.&lt;/p&gt;
&lt;p&gt;팀원들도 각자 작업을 하고 있었지만, 어떤 결과물을 누가 끝까지 책임지는지는 아직 흐릿했다. 첫날부터 이걸 더 구체적으로 나눴어야 했다.&lt;/p&gt;
&lt;h3 id="day-1-밤day-2-새벽--distance만-좋으면-된다는-생각을-버리다"&gt;Day 1 밤–Day 2 새벽 — distance만 좋으면 된다는 생각을 버리다
&lt;/h3&gt;&lt;p&gt;Problem 3에서는 complement qubit을 측정하고 특정 결과만 남기는 post-selection을 denoising의 대리 과정으로 봤다. 전체 \(M+F\) system은 unitary하게 진화하지만, complement qubit을 측정해 일부 결과만 남기면 data system \(M\)에는 effective non-unitary map이 작용한다.&lt;/p&gt;
&lt;p&gt;처음 질문은 단순했다.&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;이 map이 target ensemble 쪽으로 상태를 수축시키는가?&lt;/li&gt;
&lt;li&gt;수축시키더라도 diversity를 망가뜨리지 않는가?&lt;/li&gt;
&lt;li&gt;post-selection success probability가 너무 낮지는 않은가?&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;처음에는 MMD나 Wasserstein-type distance가 많이 줄어드는 후보만 찾으면 된다고 생각했는데, 금방 틀렸다는 걸 알았다. 모든 상태를 target 근처 한 점으로 collapse시키면 거리는 좋아 보여도 ensemble diversity가 사라진다. 다양성을 죽여서 숫자만 좋게 만든 걸 denoising이라고 할 수는 없다.&lt;/p&gt;
&lt;p&gt;가장 강한 반례가 collapse-to-centroid였다.&lt;/p&gt;
&lt;div class="highlight"&gt;&lt;div class="chroma"&gt;
&lt;table class="lntable"&gt;&lt;tr&gt;&lt;td class="lntd"&gt;
&lt;pre tabindex="0" class="chroma"&gt;&lt;code&gt;&lt;span class="lnt"&gt;1
&lt;/span&gt;&lt;span class="lnt"&gt;2
&lt;/span&gt;&lt;span class="lnt"&gt;3
&lt;/span&gt;&lt;span class="lnt"&gt;4
&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;&lt;/td&gt;
&lt;td class="lntd"&gt;
&lt;pre tabindex="0" class="chroma"&gt;&lt;code class="language-text" data-lang="text"&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;collapse-to-centroid
&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;MMD improvement: 0.859292
&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;Wasserstein improvement: 0.714276
&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;diversity retention: 0.000000&lt;/span&gt;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;&lt;/td&gt;&lt;/tr&gt;&lt;/table&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;p&gt;거리만 보면 다른 후보를 전부 압도했지만 다양성은 정확히 0이었다. 이걸 본 뒤로 distance를 최대한 낮추는 방향은 버렸다.&lt;/p&gt;
&lt;p&gt;대신 Problem 3는 아래 세 지표를 같이 보기로 했다.&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;denoising gain&lt;/li&gt;
&lt;li&gt;post-selection success probability&lt;/li&gt;
&lt;li&gt;diversity retention&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;Problem 3는 손으로 몇 번 돌려 보고 끝낼 문제가 아니었다. 시드 하나에서 숫자가 좋게 나왔다고 본문에 쓸 수는 없다. 그래서 Hermes agent와 자동화 스크립트를 반복 실험과 후보 검증에 붙였다.&lt;/p&gt;
&lt;p&gt;내 메인 자동화는 완료된 cycle 60까지를 근거로 삼았다. &lt;code&gt;dreamerghost77&lt;/code&gt;의 별도 머신에서는 cycle 28까지 돌면서 20-seed sweep 14회와 252개 이상의 hybrid toy run이 남았다. 최종 20-seed gate에서는 20/20으로 &lt;code&gt;use_as_main&lt;/code&gt;이 재현됐다.&lt;/p&gt;
&lt;p&gt;몇 번 돌렸는지보다, 같은 판단이 독립된 실행에서도 유지되는지 보고 싶었다. 우연히 좋은 숫자 하나를 주운 게 아니라는 근거가 있어야 했다.&lt;/p&gt;
&lt;h3 id="day-2-오전--axis-only와-continuous-basis"&gt;Day 2 오전 — axis-only와 continuous basis
&lt;/h3&gt;&lt;p&gt;자동화 결과가 쌓이자 continuous measurement-basis post-selection 후보가 눈에 들어왔다.&lt;/p&gt;
&lt;div class="highlight"&gt;&lt;div class="chroma"&gt;
&lt;table class="lntable"&gt;&lt;tr&gt;&lt;td class="lntd"&gt;
&lt;pre tabindex="0" class="chroma"&gt;&lt;code&gt;&lt;span class="lnt"&gt;1
&lt;/span&gt;&lt;span class="lnt"&gt;2
&lt;/span&gt;&lt;span class="lnt"&gt;3
&lt;/span&gt;&lt;span class="lnt"&gt;4
&lt;/span&gt;&lt;span class="lnt"&gt;5
&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;&lt;/td&gt;
&lt;td class="lntd"&gt;
&lt;pre tabindex="0" class="chroma"&gt;&lt;code class="language-text" data-lang="text"&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;median MMD improvement: 0.097056
&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;median Wasserstein improvement: 0.147983
&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;median axis-only score margin: 0.010000
&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;median diversity retention: 0.823217
&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;median success probability: 0.468122&lt;/span&gt;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;&lt;/td&gt;&lt;/tr&gt;&lt;/table&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;p&gt;continuous basis가 좋아 보이긴 했지만 axis-only 대비 margin은 작았다. 그래서 “continuous basis가 압도적으로 우월하다”는 말은 쓰지 않기로 했다.&lt;/p&gt;
&lt;p&gt;20개 시드가 모두 최종 채택 기준을 통과하긴 했지만, 더 잘게 나눈 120개 row 중 18개에서는 axis-only 대비 margin이 양수가 아니었다. 그러니까 &lt;code&gt;20/20 use_as_main&lt;/code&gt;은 모든 입력 조건에서 continuous basis가 이겼다는 뜻이 아니다. 여러 시드를 합친 전체 경향이 본문 후보로 쓸 만큼 재현됐다는 뜻이다.&lt;/p&gt;
&lt;p&gt;\(Z/X/Y\) Pauli measurement basis만 허용하는 axis-only projection은 해석하기 쉬운 discrete baseline으로 두고, continuous basis는 이걸 Bloch sphere 위의 일반 측정 방향으로 넓힌 controlled modification으로 정리했다.&lt;/p&gt;
&lt;p&gt;비교를 좀 더 분명하게 보려고 collapse 방어 표도 만들었다.&lt;/p&gt;
&lt;div class="highlight"&gt;&lt;div class="chroma"&gt;
&lt;table class="lntable"&gt;&lt;tr&gt;&lt;td class="lntd"&gt;
&lt;pre tabindex="0" class="chroma"&gt;&lt;code&gt;&lt;span class="lnt"&gt;1
&lt;/span&gt;&lt;span class="lnt"&gt;2
&lt;/span&gt;&lt;span class="lnt"&gt;3
&lt;/span&gt;&lt;span class="lnt"&gt;4
&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;&lt;/td&gt;
&lt;td class="lntd"&gt;
&lt;pre tabindex="0" class="chroma"&gt;&lt;code class="language-text" data-lang="text"&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;method MMD gain W gain diversity
&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;collapse-to-centroid 0.859292 0.714276 0.000000
&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;axis-only 0.086055 0.142594 0.810592
&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;continuous basis 0.097056 0.147983 0.823217&lt;/span&gt;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;&lt;/td&gt;&lt;/tr&gt;&lt;/table&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;p&gt;distance가 가장 낮다고 좋은 denoising인 건 아니었다. measurement basis는 data ensemble에 작용하는 effective non-unitary map의 방향과 강도를 바꾸고, 그 과정에서 recoverability, success probability, diversity retention 사이에 trade-off가 생긴다. 3-b에서 말하려던 건 이거였다.&lt;/p&gt;
&lt;div class="highlight"&gt;&lt;div class="chroma"&gt;
&lt;table class="lntable"&gt;&lt;tr&gt;&lt;td class="lntd"&gt;
&lt;pre tabindex="0" class="chroma"&gt;&lt;code&gt;&lt;span class="lnt"&gt;1
&lt;/span&gt;&lt;span class="lnt"&gt;2
&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;&lt;/td&gt;
&lt;td class="lntd"&gt;
&lt;pre tabindex="0" class="chroma"&gt;&lt;code class="language-text" data-lang="text"&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;3-b. Controlled modification:
&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;measurement basis controls the recoverability-success-diversity trade-off&lt;/span&gt;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;&lt;/td&gt;&lt;/tr&gt;&lt;/table&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;p&gt;시드마다 가장 좋은 파라미터를 새로 고르면 cherry-picking 의심을 피하기 어렵다. 그래서 train seed 1–10에서 고른&lt;/p&gt;
\[
(\tau,\theta,\phi)=(1.794737,\ 1.832596,\ 3.141593)
\]&lt;p&gt;을 holdout seed 11–20에 그대로 적용했다.&lt;/p&gt;
&lt;p&gt;60/60 row에서 개선이 유지됐다.&lt;/p&gt;
&lt;div class="highlight"&gt;&lt;div class="chroma"&gt;
&lt;table class="lntable"&gt;&lt;tr&gt;&lt;td class="lntd"&gt;
&lt;pre tabindex="0" class="chroma"&gt;&lt;code&gt;&lt;span class="lnt"&gt;1
&lt;/span&gt;&lt;span class="lnt"&gt;2
&lt;/span&gt;&lt;span class="lnt"&gt;3
&lt;/span&gt;&lt;span class="lnt"&gt;4
&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;&lt;/td&gt;
&lt;td class="lntd"&gt;
&lt;pre tabindex="0" class="chroma"&gt;&lt;code class="language-text" data-lang="text"&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;median MMD improvement: 0.073421
&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;median Wasserstein improvement: 0.136641
&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;median diversity retention: 0.790676
&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;median success probability: 0.477322&lt;/span&gt;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;&lt;/td&gt;&lt;/tr&gt;&lt;/table&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;p&gt;시드마다 최적값을 다시 찾는 oracle grid-best보다는 숫자가 약했다. 그래도 고정된 파라미터가 처음 보는 시드에서도 통했으니, 주장의 근거로는 이쪽이 더 정직했다.&lt;/p&gt;
&lt;h3 id="day-2-오후--3-b의-분석에서-3-c를-만들다"&gt;Day 2 오후 — 3-b의 분석에서 3-c를 만들다
&lt;/h3&gt;&lt;p&gt;중간 피드백에서 중요한 지적을 받았다. 3-b가 숫자 나열로 끝나면 무엇을 분석했는지 안 보이고, 3-c도 앞의 결과와 상관없는 새 아이디어처럼 보인다는 얘기였다. 맞는 말이었다.&lt;/p&gt;
&lt;p&gt;그전까지 우리는 좋은 후보를 여러 개 모으고 있었다. 하지만 제출 답안에서는 controlled modification이 뭔지, 어떤 trade-off가 드러났는지, 그 분석에서 다음 방법이 왜 나왔는지가 이어져야 했다.&lt;/p&gt;
&lt;p&gt;그래서 질문을 다시 적었다.&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;이 숫자는 물리적으로 무엇을 의미하는가?&lt;/li&gt;
&lt;li&gt;axis-only baseline은 왜 필요한가?&lt;/li&gt;
&lt;li&gt;continuous basis의 margin이 작다면 무엇을 주장해야 하는가?&lt;/li&gt;
&lt;li&gt;3-c는 3-b의 분석에서 자연스럽게 나오는가?&lt;/li&gt;
&lt;li&gt;success probability가 낮아지는 것을 어떻게 비용으로 설명할 것인가?&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;여기서 나온 게 &lt;strong&gt;two-way projected denoising&lt;/strong&gt;이다.&lt;/p&gt;
&lt;p&gt;아이디어는 단순했다. measurement-induced non-unitary contraction을 한 번 더 걸면 distance를 더 줄일 수 있지 않을까? 대신 post-selection을 두 번 통과해야 하니 성공확률은 떨어질 것이다.&lt;/p&gt;
&lt;p&gt;앞의 3-b 수치는 \(20\text{ seeds}\times6\text{ input steps}\), 총 120개 row를 요약한 값이다. 아래 3-c 비교는 후보끼리 같은 조건에서 바로 비교하려고 \(5\text{ seeds}\times3\text{ input steps}\), 총 15개 row만 썼다. 그래서 3-b의 continuous 수치와 아래 one-way reference 수치를 같은 모집단처럼 놓고 비교하면 안 된다.&lt;/p&gt;
&lt;p&gt;이 15-row 비교표에서 one-way continuous reference는 이랬다.&lt;/p&gt;
&lt;div class="highlight"&gt;&lt;div class="chroma"&gt;
&lt;table class="lntable"&gt;&lt;tr&gt;&lt;td class="lntd"&gt;
&lt;pre tabindex="0" class="chroma"&gt;&lt;code&gt;&lt;span class="lnt"&gt;1
&lt;/span&gt;&lt;span class="lnt"&gt;2
&lt;/span&gt;&lt;span class="lnt"&gt;3
&lt;/span&gt;&lt;span class="lnt"&gt;4
&lt;/span&gt;&lt;span class="lnt"&gt;5
&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;&lt;/td&gt;
&lt;td class="lntd"&gt;
&lt;pre tabindex="0" class="chroma"&gt;&lt;code class="language-text" data-lang="text"&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;one-way continuous reference
&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;median MMD improvement: 0.056388
&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;median Wasserstein improvement: 0.120620
&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;median diversity retention: 0.848836
&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;median success probability: 0.467554&lt;/span&gt;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;&lt;/td&gt;&lt;/tr&gt;&lt;/table&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;p&gt;two-way 결과는 이랬다.&lt;/p&gt;
&lt;div class="highlight"&gt;&lt;div class="chroma"&gt;
&lt;table class="lntable"&gt;&lt;tr&gt;&lt;td class="lntd"&gt;
&lt;pre tabindex="0" class="chroma"&gt;&lt;code&gt;&lt;span class="lnt"&gt;1
&lt;/span&gt;&lt;span class="lnt"&gt;2
&lt;/span&gt;&lt;span class="lnt"&gt;3
&lt;/span&gt;&lt;span class="lnt"&gt;4
&lt;/span&gt;&lt;span class="lnt"&gt;5
&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;&lt;/td&gt;
&lt;td class="lntd"&gt;
&lt;pre tabindex="0" class="chroma"&gt;&lt;code class="language-text" data-lang="text"&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;two-way post-selection
&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;median MMD improvement: 0.101374
&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;median Wasserstein improvement: 0.136426
&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;median diversity retention: 0.829273
&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;median success probability: 0.227065&lt;/span&gt;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;&lt;/td&gt;&lt;/tr&gt;&lt;/table&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;p&gt;같은 비교 안에서 두 distance gain은 커졌지만 success probability는 절반 가까이 떨어졌고 diversity도 조금 줄었다. 더 강하지만 더 비싼 방법일 거라는 예상 그대로였다. 3-b에서 본 trade-off가 더 세게 드러난 셈이다.&lt;/p&gt;
&lt;p&gt;actor-critic은 숫자가 더 세게 나올 수 있었다. 하지만 raw target ensemble을 reward로 쓰는 target-aware toy에 가까워서, 본문 주장에서 빼고 부록의 보조 결과로 내렸다. 숫자가 제일 큰 후보보다 문제에서 자연스럽게 나온 후보를 앞에 두고 싶었다.&lt;/p&gt;
&lt;h3 id="day-1-저녁day-2--대회-답안과-후속-연구를-나누기-시작하다"&gt;Day 1 저녁–Day 2 — 대회 답안과 후속 연구를 나누기 시작하다
&lt;/h3&gt;&lt;p&gt;둘째 날 저녁부터는 이 결과를 대회가 끝난 뒤에도 살릴 수 있을지 생각하기 시작했다.&lt;/p&gt;
&lt;p&gt;첫날 저녁에 만들어 둔 &lt;code&gt;06_paper_triage.md&lt;/code&gt;에는 논문 한 편에 45분 넘게 쓰지 않고, Problem 1, 2에 필요한 정의와 비교 논리만 가져오도록 읽을 범위를 잘라 뒀다. 대회 중에 논문을 완전히 이해하려다 시간을 다 날리지 않으려고 만든 문서였다.&lt;/p&gt;
&lt;p&gt;둘째 날에는 &lt;code&gt;22_overnight_problem_3_evidence_handoff.md&lt;/code&gt;, &lt;code&gt;24_problem_3_method_portfolio.md&lt;/code&gt;, &lt;code&gt;26_problem_3b_to_3c_storyline.md&lt;/code&gt;를 차례로 만들면서 어떤 근거를 본문에 두고 뭘 부록으로 내릴지 정했다. continuous basis의 작은 margin은 숨기지 않았고, actor-critic은 target-aware라서 부록으로 내렸다. 3-c 본문 제안으로는 3-b 분석에서 자연스럽게 나온 two-way post-selection만 남겼다.&lt;/p&gt;
&lt;p&gt;대회 답안과 논문이 될 만한 연구 노트는 기준이 다르다. 논문이 되려면 실험이 많은 것만으로는 부족하고, 질문 하나와 기준선, 제안, 한계가 있어야 한다.&lt;/p&gt;
&lt;p&gt;이때 잡은 전체 흐름은 이랬다.&lt;/p&gt;
&lt;div class="highlight"&gt;&lt;div class="chroma"&gt;
&lt;table class="lntable"&gt;&lt;tr&gt;&lt;td class="lntd"&gt;
&lt;pre tabindex="0" class="chroma"&gt;&lt;code&gt;&lt;span class="lnt"&gt;1
&lt;/span&gt;&lt;span class="lnt"&gt;2
&lt;/span&gt;&lt;span class="lnt"&gt;3
&lt;/span&gt;&lt;span class="lnt"&gt;4
&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;&lt;/td&gt;
&lt;td class="lntd"&gt;
&lt;pre tabindex="0" class="chroma"&gt;&lt;code class="language-text" data-lang="text"&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;Problem 1/2 baseline comparison
&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;→ Problem 3(b) recoverability-success-diversity trade-off
&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;→ Problem 3(c) two-way post-selection improvement
&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;→ IBM QPU validation as appendix-level hardware execution&lt;/span&gt;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;&lt;/td&gt;&lt;/tr&gt;&lt;/table&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;p&gt;그렇다고 당시 결과물이 바로 논문이 될 만큼 완성됐다는 건 아니다. 작은 toy setting에 시드도 제한적이었고, state-vector simulation 위주의 benchmark였다. 그래도 후속 연구로 밀어 볼 질문은 생겼다.&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;measurement basis를 effective non-unitary projected map의 control knob으로 볼 수 있는가?&lt;/li&gt;
&lt;li&gt;denoising을 distance 하나가 아니라 recoverability, success probability와 diversity retention의 trade-off로 평가할 수 있는가?&lt;/li&gt;
&lt;li&gt;two-way scheme을 숫자 장난이 아니라 3-b 분석에서 나온 확장으로 설명할 수 있는가?&lt;/li&gt;
&lt;li&gt;IBM QPU 결과를 성능 주장이 아닌 hardware-execution feasibility check로 어디까지 쓸 수 있는가?&lt;/li&gt;
&lt;/ul&gt;
&lt;h3 id="ibm-qpu--작은-것만-정확히-확인하다"&gt;IBM QPU — 작은 것만 정확히 확인하다
&lt;/h3&gt;&lt;p&gt;IBM QPU에서 전체 benchmark를 다시 돌린 건 아니다. Problem 3(b)의 measurement-basis mechanism이 작은 실제 회로에서도 보이는지만 확인했다.&lt;/p&gt;
&lt;div class="highlight"&gt;&lt;div class="chroma"&gt;
&lt;table class="lntable"&gt;&lt;tr&gt;&lt;td class="lntd"&gt;
&lt;pre tabindex="0" class="chroma"&gt;&lt;code&gt;&lt;span class="lnt"&gt;1
&lt;/span&gt;&lt;span class="lnt"&gt;2
&lt;/span&gt;&lt;span class="lnt"&gt;3
&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;&lt;/td&gt;
&lt;td class="lntd"&gt;
&lt;pre tabindex="0" class="chroma"&gt;&lt;code class="language-text" data-lang="text"&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;backend: ibm_fez
&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;2048 shots, 12 circuits job 완료
&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;4096 shots, 20 circuits job 완료&lt;/span&gt;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;&lt;/td&gt;&lt;/tr&gt;&lt;/table&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;p&gt;대표 값은 이랬다.&lt;/p&gt;
\[
\begin{array}{c|cc}
\beta &amp; \Pr(F=0) &amp; \mathrm{entropy}\\
\hline
0 &amp; 0.881738 &amp; 1.375447\\
0.25\pi &amp; 0.893164 &amp; 1.492915\\
0.50\pi &amp; 0.661377 &amp; 1.581403\\
0.75\pi &amp; 0.351270 &amp; 1.736465
\end{array}
\]&lt;p&gt;측정 basis가 바뀌면 post-selection 관련 관측값도 바뀌었다. 결과는 딱 여기까지다. 본 benchmark는 여전히 state-vector simulation 기반이고, 실제 QPU에서 성능 우위를 증명한 게 아니다.&lt;/p&gt;
&lt;p&gt;이 작은 검증 하나에도 README와 관련 문서, token/API key/CRN 노출 방지, dry-run mode, 제출한 job metadata 저장 여부까지 챙겨야 했다. 대회 제출물에서는 이런 운영 안전성도 과학적 주장만큼 신경 써야 했다.&lt;/p&gt;
&lt;h3 id="day-3--연구보다-제출이-더-어려웠다"&gt;Day 3 — 연구보다 제출이 더 어려웠다
&lt;/h3&gt;&lt;p&gt;마지막 날은 연구보다는 배포 작업에 가까웠다.&lt;/p&gt;
&lt;p&gt;처음에는 &lt;code&gt;solution_1.ipynb&lt;/code&gt; 하나를 최종 답안으로 하려고 했다. 그런데 심사위원이 짧은 시간 안에 어느 파일이 어느 문제의 답인지 바로 찾을 수 있게 세 개로 나눴다.&lt;/p&gt;
&lt;div class="highlight"&gt;&lt;div class="chroma"&gt;
&lt;table class="lntable"&gt;&lt;tr&gt;&lt;td class="lntd"&gt;
&lt;pre tabindex="0" class="chroma"&gt;&lt;code&gt;&lt;span class="lnt"&gt;1
&lt;/span&gt;&lt;span class="lnt"&gt;2
&lt;/span&gt;&lt;span class="lnt"&gt;3
&lt;/span&gt;&lt;span class="lnt"&gt;4
&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;&lt;/td&gt;
&lt;td class="lntd"&gt;
&lt;pre tabindex="0" class="chroma"&gt;&lt;code class="language-text" data-lang="text"&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;submission/usb_package/solution/
&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt; Problem 1.ipynb
&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt; Problem 2.ipynb
&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt; Problem 3.ipynb&lt;/span&gt;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;&lt;/td&gt;&lt;/tr&gt;&lt;/table&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;p&gt;USB에는 노트북 세 개뿐 아니라 발표 PDF, &lt;code&gt;src/&lt;/code&gt;, &lt;code&gt;scripts/&lt;/code&gt;, &lt;code&gt;tests/&lt;/code&gt;, &lt;code&gt;submission/run_all.py&lt;/code&gt;, 재현 명령과 README까지 같이 들어가야 했다. 결과가 좋아도 어디 있는지 찾기 어렵거나 재현 명령이 없으면 심사위원 입장에서는 믿기 어렵다.&lt;/p&gt;
&lt;p&gt;여기서 사고가 났다.&lt;/p&gt;
&lt;p&gt;마지막 날 새벽 1시쯤 자러 가면서, 나는 &lt;code&gt;submission/usb_package/&lt;/code&gt; 전체를 넣어 달라고 정확히 못 박지 못하고 저장소를 복제해 달라는 식으로 말했다. 오전 8시 40분쯤 확인해 보니 USB에는 &lt;code&gt;submission&lt;/code&gt; 아래 &lt;code&gt;solution&lt;/code&gt; 폴더만 들어가 있었다.&lt;/p&gt;
&lt;p&gt;“최종 제출물”이 어디까지인지 팀 안에서 서로 다르게 이해하고 있었던 거다. 나는 전체 패키지를 생각했고, 다른 쪽은 심사위원이 주로 볼 노트북을 생각했다. 마감은 가까웠고 저장소도 커서 그 자리에서 온전히 고치기 어려웠다.&lt;/p&gt;
&lt;p&gt;누구 한 사람 능력 탓으로 볼 일은 아니었다. 뭘 복사해야 하는지 파일 경로까지 적어서 확인하지 않은 내 지시도 부족했다. 제출 직전 파일 복사는 단순 작업처럼 보여도 프로젝트를 믿을 수 있느냐가 걸린 마지막 단계였다.&lt;/p&gt;
&lt;p&gt;발표자료는 영어 자료 하나로 통일했다. 본선에서는 같은 자료로 5분짜리 핵심 흐름을, 결선에서는 15분짜리 전체 흐름을 쓰는 구조였다. 발표자료를 두 개 만들면 마지막 수정이 서로 어긋날 수 있어서, 자료 하나 안에서 경로만 나눴다.&lt;/p&gt;
&lt;p&gt;최종 발표 흐름은 이랬다.&lt;/p&gt;
&lt;ol&gt;
&lt;li&gt;Problem 1: random-unitary scrambling과 Haar-like reference&lt;/li&gt;
&lt;li&gt;Problem 2: Hamiltonian projected diffusion과 resource/control-cost comparison&lt;/li&gt;
&lt;li&gt;Problem 3(a): measurement-induced denoising baseline&lt;/li&gt;
&lt;li&gt;Problem 3(b): measurement basis가 recoverability-success-diversity trade-off를 조절한다는 분석&lt;/li&gt;
&lt;li&gt;Problem 3(c): 3-b 분석에서 나온 two-way post-selection&lt;/li&gt;
&lt;li&gt;IBM Cloud/QPU validation: 작은 대표 회로의 실제 장비 실행 검증&lt;/li&gt;
&lt;/ol&gt;
&lt;p&gt;실험을 늘어놓는 게 목적은 아니었다. 3-b에서 trade-off를 분석했고 3-c가 그 분석에서 나온 제안이라는 흐름을 5분 안에 보여 줘야 했다. 한 문장으로 줄이면, 작은 quantum diffusion 설정에서 measurement basis를 effective non-unitary projected map의 조절 장치로 보고, denoising을 distance 하나가 아니라 recoverability, success probability와 diversity retention의 trade-off로 평가해 보려 한 프로젝트였다.&lt;/p&gt;
&lt;h3 id="최종적으로-나뉜-역할"&gt;최종적으로 나뉜 역할
&lt;/h3&gt;&lt;p&gt;저장소의 최종 기록을 기준으로 나는 전체 실험 설계, 핵심 구현, Problem 1·2·3 코드 통합, 지표와 결과 검수, IBM QPU 검증, 재현 명령과 최종 패키지 정리를 맡았다.&lt;/p&gt;
&lt;p&gt;&lt;code&gt;koi312500&lt;/code&gt;은 코드와 Qiskit 해석이 맞는지 검수하고 제출 패키지와 발표자료를 정리했다. &lt;code&gt;chaejinlim235&lt;/code&gt;는 코드와 결과 해석, Problem 3(a,b)의 이야기 구성, 최종 노트북·보고서·발표자료 제작을 도왔다. &lt;code&gt;dreamerghost77&lt;/code&gt;은 물리적 해석, Problem 3(c)의 trade-off 해석, 보조 실험과 그림·표·재현 기록 정리를 맡았다.&lt;/p&gt;
&lt;p&gt;다들 분명히 기여했다. 다만 핵심 실험과 구현, 자동화, 통합의 압박이 내 쪽에 많이 몰렸던 것도 사실이다. 팀원들에게 고마웠지만, 대회의 기술적인 부분을 혼자 끌고 가는 것 같다고 느낀 순간도 많았다.&lt;/p&gt;
&lt;p&gt;이제 제출과 발표가 끝났고 결과만 남았다.&lt;/p&gt;
&lt;h2 id="결과"&gt;결과
&lt;/h2&gt;&lt;p&gt;수상 구조는 둘째 날에 들었다. 결선 4팀, 멘토 특별상 2팀, IBM/Pasqal QPU 사용 관련 상 2팀이었다. 내가 이해하기로는 전체 20팀 중 주제별 2팀, 총 8팀이 어떤 식으로든 상을 받는 구조였다.&lt;/p&gt;
&lt;p&gt;결선에 못 가더라도 특별상은 받을 수 있겠다고 생각했다. 그래서 작년 우승팀 저장소와 우리 저장소를 계속 비교했다. README가 심사위원에게 바로 읽히는지, 그림과 표가 잘 보이는지, 코드가 재현되는지, 적어도 3일 동안 어디까지 밀어붙였는지가 남는지 끝까지 고쳤다.&lt;/p&gt;
&lt;p&gt;수상자 발표가 시작될 때까지도 한편으로는 특별상을 기대했고, 다른 한편으로는 이 결과를 어떻게 논문으로 만들지 생각하고 있었다. 머릿속에서는 대회가 아직 끝나지 않은 상태였다. 둘째 날 저녁부터 figure 재구성, 기준선 보강, limitation 정리, 개인 fork 계획을 생각하고 있었고, 결과가 어떻든 저장소를 다시 파서 연구다운 모양으로 만들 생각이었다.&lt;/p&gt;
&lt;p&gt;수상하지 못했다.&lt;/p&gt;
&lt;p&gt;아무 이름도 불리지 않았을 때는 대회 하나 졌다는 느낌보다, 내가 연구 주제로 보기 시작한 작업이 그 자리에서 아무 공식적인 이름도 얻지 못했다는 느낌이 더 컸다.&lt;/p&gt;
&lt;p&gt;전날 SKYSH에서도 결과물을 끝까지 만들었고, 이어진 대회에서도 3일 동안 실험, 구현, 보고서, 제출물을 붙잡고 있었다. 두 일정이 연달아 끝난 순간에는 전체 사진 촬영 자리에 남아 있기 힘들 만큼 무너졌다. 나를 증명할 결과와 상금이 둘 다 절실했던 때라 3일이 통째로 물거품이 된 것 같았다.&lt;/p&gt;
&lt;p&gt;상금은 핑계가 아니라 실제로 필요했다. 그래서 “좋은 경험이었다”는 말로 바로 넘어가기 어려웠다. 경험과 저장소가 남았다는 건 알았지만, 그 순간에는 공식적인 결과도 현실적인 보상도 다 사라졌다는 감각이 먼저 왔다.&lt;/p&gt;
&lt;p&gt;결과가 아쉬운 것과 팀원들에게 고마운 건 별개다. &lt;code&gt;chaejinlim235&lt;/code&gt;, &lt;code&gt;koi312500&lt;/code&gt;, &lt;code&gt;dreamerghost77&lt;/code&gt;은 각자의 방식으로 끝까지 기여했다. 그러면서도 핵심 기술 실행과 통합이 내 쪽에 많이 몰렸다는 외로움은 남았다. 고마움과 외로움이 같이 있었다.&lt;/p&gt;
&lt;p&gt;대회가 끝나고 심사위원과 출제자의 설명을 들으면서 내가 놓친 것도 보였다. Problem 1, 2는 문제 감을 잡기 위한 부분이고, 진짜 핵심은 자유롭게 연구하는 Problem 3에 가까웠다. 결과가 아주 압도적으로 갈렸다기보다는 발표에서 잘 전달한 팀이 좋은 평가를 받은 면도 있다고 들었다.&lt;/p&gt;
&lt;h2 id="오답노트"&gt;오답노트
&lt;/h2&gt;&lt;h3 id="좋은-실험과-좋은-제출물을-구분하지-못했다"&gt;좋은 실험과 좋은 제출물을 구분하지 못했다
&lt;/h3&gt;&lt;p&gt;가장 크게 놓친 건 좋은 실험과 좋은 제출물이 서로 다른 결과물이라는 점이었다.&lt;/p&gt;
&lt;p&gt;결과와 숫자를 보여 주면 어느 정도는 전달될 거라고 생각했다. Problem 3의 숫자와 재현성에는 자신이 있었다. 하지만 심사위원이 처음 보는 5분 안에 “우리가 무엇을 발견했고, 왜 이 발견이 문제의 자유도를 제대로 사용한 것인지”를 이해시키기에는 부족했다.&lt;/p&gt;
&lt;p&gt;실험은 후보를 찾고 숫자를 검증하면 된다. 제출물은 그중 핵심 주장 하나를 골라서, 그게 왜 문제 요구에 맞는지, 근거가 뭐고 한계가 어디까지인지를 짧은 시간 안에 전달해야 한다.&lt;/p&gt;
&lt;p&gt;숫자와 figure는 있었다. 그런데 Problem 3의 발견이 왜 Problem 1, 2보다 중요한지, 특별상을 줄 만한 지점이 뭔지를 발표 첫 문장부터 더 날카롭게 잘라 보여 줬어야 했다. 3-b에서 3-c가 나오는 흐름을 막판에야 정리한 것도 늦었다.&lt;/p&gt;
&lt;p&gt;실험을 많이 했다고 발표가 저절로 촘촘해지지는 않았다. 오히려 후보와 수치가 많을수록 더 과감하게 버렸어야 했다. 다음에는 첫날 안에 발표의 핵심 문장을 임시로라도 정하고, 실험은 그 문장을 검증하거나 반박하는 것만 남길 생각이다.&lt;/p&gt;
&lt;h3 id="역할을-도움의-단위로-나눴다"&gt;역할을 도움의 단위로 나눴다
&lt;/h3&gt;&lt;p&gt;팀원이 네 명이라고 일이 저절로 네 갈래로 나뉘지는 않는다. 처음부터 각자 끝까지 책임질 산출물과 마감 시각을 정했어야 했다. “도와줄게”가 아니라 “오늘 몇 시까지 이 파일을 낸다”는 식으로.&lt;/p&gt;
&lt;div class="highlight"&gt;&lt;div class="chroma"&gt;
&lt;table class="lntable"&gt;&lt;tr&gt;&lt;td class="lntd"&gt;
&lt;pre tabindex="0" class="chroma"&gt;&lt;code&gt;&lt;span class="lnt"&gt;1
&lt;/span&gt;&lt;span class="lnt"&gt;2
&lt;/span&gt;&lt;span class="lnt"&gt;3
&lt;/span&gt;&lt;span class="lnt"&gt;4
&lt;/span&gt;&lt;span class="lnt"&gt;5
&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;&lt;/td&gt;
&lt;td class="lntd"&gt;
&lt;pre tabindex="0" class="chroma"&gt;&lt;code class="language-text" data-lang="text"&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;1. 구현 담당: 오늘 밤까지 실행 가능한 baseline 1개
&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;2. 실험 담당: seed sweep 결과 표 1개
&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;3. 문서 담당: 문제 해석과 관련 문헌 요약 2페이지
&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;4. 발표 담당: 5분 발표 흐름과 그림 배치
&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;5. 통합 담당: 최종 저장소와 패키지 구조 관리&lt;/span&gt;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;&lt;/td&gt;&lt;/tr&gt;&lt;/table&gt;
&lt;/div&gt;
&lt;/div&gt;
&lt;p&gt;이번에는 이런 구조가 늦게 잡혀서 핵심 기술 실행과 통합이 나한테 많이 몰렸다. 다음에는 역할을 사람이나 분야로만 나누지 않고 파일명, 완료 조건, 마감 시각까지 정할 것이다.&lt;/p&gt;
&lt;p&gt;그때는 요청해서 중간 결과를 받아도, 그게 최종 코드와 보고서에 맞물리지 않으면 결국 내가 다시 통합하는 경우가 많았다. 팀원이 작업을 했다는 것과 그 산출물이 제출물 안에서 완결됐다는 건 다른 얘기다. 다음에는 담당자가 초안만 만들고 끝내지 않고, 테스트, 설명 문장, 최종 파일 반영까지 자기 파트로 가져가게 하려고 한다.&lt;/p&gt;
&lt;p&gt;이렇게 쓰면 팀원을 탓하는 것처럼 보일 수도 있다는 건 안다. 실제로 세 사람은 발표자료, 보고서 정리, 물리적 해석, 구현 검토와 보조 실험을 맡아 줬다. 다만 고맙다는 말을 하려고 내가 받은 압박까지 없던 일로 만들고 싶지는 않다. 문제가 생길 때마다 마지막 책임이 나한테 돌아오는 구조는 다음 대회 전에 꼭 바꿔야 한다.&lt;/p&gt;
&lt;h3 id="제출-패키지를-너무-늦게-확정했다"&gt;제출 패키지를 너무 늦게 확정했다
&lt;/h3&gt;&lt;p&gt;USB 사고는 마지막 순간의 실수였지만 원인은 더 앞에 있었다. 최종 제출 폴더를 일찍 확정하지 않았고, 다른 사람이 같은 경로를 보고 그대로 복사할 수 있는 체크리스트도 만들지 않았다.&lt;/p&gt;
&lt;p&gt;다음에는 마감 최소 두 시간 전에 제출 패키지를 확정하고, 한 명이 복사하면 다른 한 명이 README, 실행 명령, 비밀정보 검사, 실제 USB 내용을 교차로 확인하게 할 것이다.&lt;/p&gt;
&lt;h2 id="잘한-점"&gt;잘한 점
&lt;/h2&gt;&lt;h3 id="한계를-숨기지-않았다"&gt;한계를 숨기지 않았다
&lt;/h3&gt;&lt;p&gt;continuous basis가 axis-only보다 조금 좋게 나왔지만 margin이 작다는 건 그대로 적었다. actor-critic이 강한 숫자를 냈어도 target-aware라는 한계를 밝혔다. IBM QPU job이 실제로 완료됐어도 hardware advantage라고 하지 않았다.&lt;/p&gt;
&lt;p&gt;해커톤에서는 세게 말하는 게 유리해 보일 때가 많은데, 이번에는 정확하게 말하는 쪽을 골랐다.&lt;/p&gt;
&lt;h3 id="같은-지표를-끝까지-유지했다"&gt;같은 지표를 끝까지 유지했다
&lt;/h3&gt;&lt;p&gt;Problem 1부터 3까지 fidelity 기반 MMD와 Wasserstein-type distance를 계속 썼다. 그래서 random-unitary, Hamiltonian projected diffusion, measurement-induced denoising을 각각 다른 말로 포장하지 않고 같은 눈금에서 비교할 수 있었다. distance만 좋아지는 collapse가 왜 실패인지도 이 지표와 diversity를 나란히 놓고 보니 드러났다.&lt;/p&gt;
&lt;h3 id="자동화-결과를-근거로-바꿨다"&gt;자동화 결과를 근거로 바꿨다
&lt;/h3&gt;&lt;p&gt;Hermes agent는 코드를 대신 써 주는 용도로만 쓰지 않았다. 여러 시드와 독립 실행에서 같은 경향이 유지되는지, 본문에 올릴 후보가 기준을 통과하는지를 반복해서 확인하는 데 썼다.&lt;/p&gt;
&lt;p&gt;시드 sweep, 고정 파라미터 holdout, collapse 방어 표, 별도 머신의 반복 실행이 있었기 때문에 Problem 3의 주장에 조금 더 책임을 질 수 있었다.&lt;/p&gt;
&lt;h3 id="마지막에-이야기-구조를-다시-세웠다"&gt;마지막에 이야기 구조를 다시 세웠다
&lt;/h3&gt;&lt;p&gt;처음부터 3-b와 3-c가 깔끔했던 건 아니다. 중간에는 후보가 너무 많아서 뭐가 본문인지 흐려졌다. 피드백을 받고 나서 3-b는 분석, 3-c는 그 분석에서 나온 제안이 되도록 다시 짰다. 숫자가 제일 큰 actor-critic을 내리고 two-way post-selection을 본문에 둔 것도 그래서였다.&lt;/p&gt;
&lt;h2 id="앞으로"&gt;앞으로
&lt;/h2&gt;&lt;p&gt;QuantumCylinder는 full trainable QuDDPM이 아니고, quantum advantage나 hardware advantage를 보인 프로젝트도 아니다. continuous basis가 언제나 axis-only보다 강하다는 결과도 아니다.&lt;/p&gt;
&lt;p&gt;그래도 마음에 남는 건 있다. 좋은 숫자를 위해 ensemble diversity를 죽이지 않았고, distance뿐 아니라 success probability와 diversity retention을 같이 봤다. IBM QPU 실행도 본 benchmark인 것처럼 부풀리지 않았다. denoising을 가장 낮은 distance 하나로 평가할 수는 없고, 복원성, 성공확률, 다양성 보존 사이의 trade-off를 정직하게 설명해야 한다는 게 이번에 얻은 생각이다.&lt;/p&gt;
&lt;p&gt;둘째 날부터 이미 대회 이후의 확장을 생각했고, 대회가 끝난 뒤에는 개인 fork를 만들어 저장소를 다시 보기 시작했다. 당장 논문이 된다고 말할 단계는 아니다.&lt;/p&gt;
&lt;p&gt;앞으로 필요한 건 이렇다.&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;더 많은 시드와 독립적인 반복 실행&lt;/li&gt;
&lt;li&gt;엄밀한 Born-weighted projected ensemble 재현&lt;/li&gt;
&lt;li&gt;noise model 비교&lt;/li&gt;
&lt;li&gt;hardware run 확장&lt;/li&gt;
&lt;li&gt;collapse, axis-only와 classical baseline 보강&lt;/li&gt;
&lt;li&gt;결과를 하나의 논문 주장으로 좁히는 작업&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;수상하지 못했다는 사실은 바뀌지 않는다. 그렇다고 3일 동안 내가 실제로 한 일까지 사라지는 건 아니다. 낯선 문제의 실험을 설계하고, 핵심 코드를 구현하고, 자동화하고, 결과를 검수하고, 문서와 제출 가능한 패키지까지 밀어붙였다.&lt;/p&gt;
&lt;p&gt;이 글과 개인 fork를 만든 이유도 그거다. 팀전에서는 결과물의 소유권과 기여가 여러 사람 사이에 섞이고, 최종 순위 한 줄이 그 과정을 다 대신해 버리기 쉽다. 그래서 내가 실제로 설계하고 구현하고 판단한 범위는 코드와 문서로 남겨 두고 싶었다. 수상 여부와 별개로, 다음에 팀을 꾸리거나 연구를 이어 갈 때 다시 꺼내 볼 근거가 된다.&lt;/p&gt;
&lt;p&gt;서류상 팀장은 &lt;code&gt;chaejinlim235&lt;/code&gt;였고, 본선 현장에서 기술 방향과 통합은 사실상 내가 이끌었다. 이 정도 규모의 대회에서 이런 역할을 맡은 건 처음이었다. 잘한 부분도 있었고, 다음에는 더 선명하게 나눠야 할 부분도 있었다.&lt;/p&gt;
&lt;p&gt;내년에 다시 기회가 생기면 각자 자기 파트를 끝까지 책임지는 팀을 꾸려서 우승을 노려 보고 싶다. 올해는 문제 고르는 법, 기준선을 일찍 확정하는 법, 자동화 실험 돌리는 법, 발표의 핵심 주장을 세우는 법, 제출 패키지를 미리 확정하는 법을 몸으로 배웠다.&lt;/p&gt;
&lt;p&gt;마지막으로 3일 동안 함께한 &lt;code&gt;chaejinlim235&lt;/code&gt;, &lt;code&gt;dreamerghost77&lt;/code&gt;, &lt;code&gt;koi312500&lt;/code&gt;에게 고맙다. 결과가 아쉽다고 해서 세 사람이 실제로 해 준 일까지 지우고 싶지는 않다.&lt;/p&gt;
&lt;p&gt;수상은 못 했다. 그래도 이 코드가 3일짜리 제출물로 끝나는지는 내가 더 해 보면 알 수 있다.&lt;/p&gt;</description></item><item><title>2026 SKYSH 해커톤 후기: FOMO Break</title><link>https://caffeine-fighter.github.io/p/20260629-fomo-break-hackathon-review/</link><pubDate>Mon, 29 Jun 2026 00:28:47 +0900</pubDate><guid>https://caffeine-fighter.github.io/p/20260629-fomo-break-hackathon-review/</guid><description>&lt;h2 id="글을-쓰며"&gt;글을 쓰며
&lt;/h2&gt;&lt;p&gt;2026 SKYSH Hackathon이 끝났다.&lt;/p&gt;
&lt;p&gt;끝나고 나서 깃허브 커밋이랑 카카오톡 회의 로그를 다시 열어 봤다. 기억만으로 쓰면 내가 한 일을 부풀릴 수도 있고, 그날 무슨 판단을 거쳐 제품이 바뀌었는지 빼먹을 수도 있을 것 같았다. 기록에는 오전에 처음 방향을 잡을 때부터 마지막 제출과 발표 준비까지 거의 분 단위로 남아 있었다.&lt;/p&gt;
&lt;p&gt;그래서 그 하루를 처음부터 순서대로 다시 따라가 보려고 한다. 그때 뭘 알고 있었고 뭘 골랐는지, 그게 다음 작업에 어떻게 이어졌는지. 결과 얘기는 실제로 결과가 나온 시점에서 하겠다.&lt;/p&gt;
&lt;h2 id="참가-동기와-팀-결성"&gt;참가 동기와 팀 결성
&lt;/h2&gt;&lt;p&gt;개인적으로는 짧은 시간 안에 제품 방향을 정하고 MVP를 직접 끝까지 끌고 가 보고 싶었다. 대회나 MVP 개발 해커톤에 나가 본 적은 여러 번 있었지만, 제품 방향과 구현을 메인에 가까운 자리에서 책임진 건 거의 처음이었다. 남이 잡은 방향을 구현하는 데서 끝나지 않고, 어떤 문제를 풀지부터 시연 가능한 화면까지 내가 이어 붙일 수 있는지 확인해 보고 싶었다.&lt;/p&gt;
&lt;p&gt;팀은 꽤 급하게 꾸렸다. 참가 마감 당일에 공과대학 만화·애니·게임 동아리 애니뮤의 프로그래밍 소모임에서 팀원을 구했는데, 갑작스러운 제안이었는데도 &lt;code&gt;cyanbackpack&lt;/code&gt;, &lt;code&gt;knowin-kyeong&lt;/code&gt;, &lt;code&gt;Akebimdru&lt;/code&gt;가 같이 해 줬다. 팀 이름은 마감 직전에 떠오르는 단어를 그냥 넣었다가 &lt;strong&gt;근고르기&lt;/strong&gt;라는 괴상한 이름이 됐다.&lt;/p&gt;
&lt;p&gt;네 명의 경험은 꽤 달랐다. &lt;code&gt;knowin-kyeong&lt;/code&gt;은 대회 경험이 가장 많았고 AI가 주 분야였지만 MVP 개발은 처음이었다. 나는 대회와 MVP 개발 해커톤은 여러 번 나갔지만 제품을 직접 총괄해 본 건 거의 처음이었다. &lt;code&gt;cyanbackpack&lt;/code&gt;과 &lt;code&gt;Akebimdru&lt;/code&gt;는 컴퓨터공학 지식은 있었지만 개발 프로젝트도 해커톤도 처음이었다.&lt;/p&gt;
&lt;p&gt;그래서 한 사람이 다 끌고 가기보다는, 제한 시간 안에 터질 수 있는 일들을 나눠 맡는 식으로 역할을 정했다.&lt;/p&gt;
&lt;ol&gt;
&lt;li&gt;&lt;code&gt;cyanbackpack&lt;/code&gt;: 공개 데이터 수집·검증·재현성&lt;/li&gt;
&lt;li&gt;&lt;code&gt;caffeine-fighter&lt;/code&gt;: MVP 총괄·백엔드 API 연결·시연 UX&lt;/li&gt;
&lt;li&gt;&lt;code&gt;knowin-kyeong&lt;/code&gt;: ML·KNN·XGBoost·모델 리포트&lt;/li&gt;
&lt;li&gt;&lt;code&gt;Akebimdru&lt;/code&gt;: QA·백테스트·컴플라이언스 문구·발표 방향 검수&lt;/li&gt;
&lt;/ol&gt;
&lt;p&gt;돌아보면 역할 배정 자체는 대체로 맞았다.&lt;/p&gt;
&lt;p&gt;&lt;code&gt;cyanbackpack&lt;/code&gt;이 맡은 데이터 파이프라인은 할 일이 비교적 분명했다. 어떤 API에서 뭘 가져오고, 어떤 형식으로 공유하고, 뭘 검증할지 정하면 결과물이 나왔다. 그렇다고 덜 중요한 일은 아니었다. 여기가 무너지면 점수와 모델이 서로 다른 데이터를 보게 된다. 검증된 CSV와 JSON이 일찍 나와서 나머지 셋이 같은 기준으로 움직일 수 있었다.&lt;/p&gt;
&lt;p&gt;내 쪽은 맥락 전환이 제일 많았다. 프로젝트 구조와 브랜치 규칙을 정하다가 백엔드 응답을 맞추고, 다시 프론트엔드로 넘어가 시연 흐름을 고쳤다. 마지막에는 발표자료와 영상도 같은 제품을 설명하도록 맞춰야 했다. 메인에 가까운 자리는 처음이라 내가 병목이 된 순간도 있었다.&lt;/p&gt;
&lt;p&gt;&lt;code&gt;knowin-kyeong&lt;/code&gt;은 대회 경험과 AI 역량이 있어서, 우리가 직접 만들 FOMO 지표와 과거 패턴, 시계열 모델을 맡기기에 제일 자연스러웠다.&lt;/p&gt;
&lt;p&gt;&lt;code&gt;Akebimdru&lt;/code&gt;의 역할은 개발 속도로만 보면 눈에 덜 띌 수 있다. 그런데 금융 주제는 표현 하나로 제품 성격이 바뀐다. “오를 가능성이 있다”와 “과거에 이런 구간이 있었다”는 완전히 다른 말이다. 직접적인 행동 유도나 수익 보장 표현을 걷어내고, 백테스트와 발표 문구가 투자 추천처럼 읽히지 않는지 봐 줄 사람이 필요했다.&lt;/p&gt;
&lt;h2 id="준비-과정"&gt;준비 과정
&lt;/h2&gt;&lt;p&gt;처음부터 준비가 잘된 팀은 아니었다.&lt;/p&gt;
&lt;p&gt;6월 22일부터 24일까지 카카오톡에는 “주제 관련 메일 받은 거 있나요”, “주제를 모르겠어서요”, “어렵네요” 같은 말이 남아 있다. 25일 새벽에야 미리 시작해도 된다는 얘기가 나왔고, 초기 아이디어도 패닉셀이나 FOMO 같은 감정 투자를 막자는 정도였다. 개인 감정을 직접 입력받을지, 초보자에게 뭘 보여줄지, 정보 비대칭은 어떻게 줄일지도 정해진 게 없었다.&lt;/p&gt;
&lt;p&gt;방향은 6월 27일 밤에 잡혔다. 다른 팀도 비슷한 주제를 고를 수 있으니 차별점이 있어야 했다. 개인 감정 데이터를 받는 대신 업비트 공개 데이터로 시장 전체가 얼마나 과열됐는지 보고, 사용자가 행동하기 전에 한 번 멈추게 하자는 쪽으로 정했다. &lt;strong&gt;FOMO Break&lt;/strong&gt;라는 이름도 이때 나왔다.&lt;/p&gt;
&lt;p&gt;대회 당일 오전 9시 14분쯤 MVP를 세 기능으로 좁혔다.&lt;/p&gt;
&lt;ol&gt;
&lt;li&gt;FOMO Score&lt;/li&gt;
&lt;li&gt;Historical Mirror&lt;/li&gt;
&lt;li&gt;Decision Pause&lt;/li&gt;
&lt;/ol&gt;
&lt;p&gt;10시 20분에는 점수 산식, 데이터 크롤링, 패턴·시계열 분석, 통계 분석, 프론트엔드 순으로 작업하기로 했는데, 이 순서가 거의 그대로 그날 하루의 작업 순서가 됐다.&lt;/p&gt;
&lt;h3 id="최종적으로-만들고자-한-fomo-break"&gt;최종적으로 만들고자 한 FOMO Break
&lt;/h3&gt;&lt;p&gt;세부 기능이 언제 붙고 어떻게 바뀌었는지는 뒤에서 시간순으로 쓰고, 여기서는 하루 동안 완성하려던 제품의 전체 모습만 먼저 적어 둔다.&lt;/p&gt;
&lt;p&gt;FOMO Break는 업비트 공개 데이터로 시장의 공포·탐욕 상태를 보고, 초보 사용자가 감정적으로 매수·매도하려는 순간 한 번 멈추게 하는 MVP다.&lt;/p&gt;
&lt;p&gt;흔한 코인 예측기나 매수·매도 신호를 만들고 싶지는 않았다. 오히려 반대로, 결정을 늦추고 한 번 더 생각하게 만드는 서비스를 만들고 싶었다.&lt;/p&gt;
&lt;p&gt;사용자가 거치는 순서는 공개 데이터 확인, FOMO Score, 과거 유사 구간, Decision Pause였고, 제일 중요한 건 마지막 단계였다.&lt;/p&gt;
&lt;ol&gt;
&lt;li&gt;업비트 공개 캔들 데이터를 수집하고 오류를 검증한다.&lt;/li&gt;
&lt;li&gt;8개 지표로 FOMO Score를 계산한다.&lt;/li&gt;
&lt;li&gt;Historical Mirror와 KNN Mirror로 닮은 과거 구간을 보여준다.&lt;/li&gt;
&lt;li&gt;가상 매수·매도 시도는 실제 주문으로 보내지 않고 Decision Pause로 넘긴다.&lt;/li&gt;
&lt;li&gt;사용자가 자기 판단의 근거가 정보인지 감정인지 직접 확인한다.&lt;/li&gt;
&lt;/ol&gt;
&lt;p&gt;지킬 선도 미리 정했다.&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;사용자 API Key나 Secret Key를 받지 않는다.&lt;/li&gt;
&lt;li&gt;개인정보를 수집하지 않는다.&lt;/li&gt;
&lt;li&gt;투자 추천·자문·수익 보장 문구를 쓰지 않는다.&lt;/li&gt;
&lt;li&gt;계산 결과는 시장 상태 관찰과 과거 참고 사례로만 설명한다.&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;FOMO Score에는 가격 모멘텀, 가격 강도, 상승일 거래량 비율, CLV 매수 압력, RSI, 변동성 역수, 거래량 모멘텀, 연속 상승일을 썼다. 그중 거래량 모멘텀과 연속 상승일에 가중치를 높게 줬다. 초보자가 “지금 안 타면 놓칠 것 같다”고 느끼는 때가 대개 거래량이 확 늘고 며칠 연속 오르는 구간이라고 봤기 때문이다.&lt;/p&gt;
&lt;p&gt;산식은 CNN Fear &amp;amp; Greed Index를 출발점으로 참고했지만, 암호화폐 공개 데이터와 초보 사용자 행동에 맞게 다시 짰다. 기존 지표 이름만 빌려 온 건 아니고, 우리가 실제로 수집할 수 있고 제품에서 설명할 수 있는 값들로 좁혔다.&lt;/p&gt;
&lt;p&gt;그리고 이 점수가 예측처럼 보이지 않게 하는 데 꽤 신경을 썼다. FOMO Score는 어디까지나 시장 심리를 관찰한 값이었다.&lt;/p&gt;
&lt;p&gt;Historical Mirror도 같은 이유로 만들었다. 현재와 점수가 비슷했던 과거 구간을 보여주지만, 그 뒤 수익률을 미래 예측처럼 말하지는 않았다. KNN Mirror는 점수 하나만 비교하지 않고 1일 변화율, 거래량 비율, RSI까지 같이 봤다. 지금 시장이 과거 어느 때와 닮았는지 참고하게 할 뿐이고, 그때와 같은 결과가 나온다고 약속하지는 않았다.&lt;/p&gt;
&lt;p&gt;프론트엔드에서는 이 기능들을 &lt;strong&gt;Judgment Firewall&lt;/strong&gt;이라는 흐름으로 묶기로 했다. 사용자가 가상 매수나 매도를 눌러도 주문은 나가지 않는다. 대신 표시용 현재가와 시장 상태, 과거 구간과 오차 범위를 보고, 체크리스트로 자기 판단의 근거를 확인하게 했다. 이름은 거창하지만 하고 싶은 건 단순했다. 흥분한 상태에서 버튼부터 누르는 걸 몇 분이라도 늦추는 것.&lt;/p&gt;
&lt;p&gt;이제 이걸 하루 안에 실제 화면으로 만들어야 했다.&lt;/p&gt;
&lt;h2 id="대회-중-경과"&gt;대회 중 경과
&lt;/h2&gt;&lt;h3 id="09001200--데이터와-백엔드부터-잠그다"&gt;09:00–12:00 — 데이터와 백엔드부터 잠그다
&lt;/h3&gt;&lt;p&gt;오전에는 행사장 도착, 깃허브 권한 설정, API 조사, MVP 기능 정리가 한꺼번에 굴러갔다. 10시 30분쯤 역할을 나누고 나서부터는 각자 병렬로 움직였다.&lt;/p&gt;
&lt;p&gt;깃허브 기록을 보면 11시 9분에 프로젝트 구조 초기화 커밋, 11시 21분에 README 정리, 11시 38분에 Historical Mirror API, 11시 46분에 관련 테스트가 올라갔다.&lt;/p&gt;
&lt;p&gt;나는 프로젝트 구조와 기준 브랜치를 잡고 Historical Mirror와 &lt;code&gt;/api/mvp-overview&lt;/code&gt;를 붙였다. 그 뒤로 KNN Mirror와 비교할 수 있게 응답 계약을 맞추고, API 파라미터 검증과 문서를 정리했다.&lt;/p&gt;
&lt;p&gt;&lt;code&gt;cyanbackpack&lt;/code&gt;은 업비트 공개 캔들 수집과 검증을 맡았다. 실제로 공유한 데이터는 KRW-BTC, KRW-ETH, KRW-XRP 각각 565행, 총 1,695행이었고 missing dates, duplicate dates, OHLC errors, value errors는 모두 0이었다. 11시 40분쯤에는 업비트 클라이언트 확장과 테스트 20개 통과 소식도 올라왔다.&lt;/p&gt;
&lt;p&gt;해커톤에서 데이터가 있다는 것과 모두가 같은 검증된 데이터로 다시 돌려볼 수 있다는 건 꽤 다른 문제다. DB 파일은 커밋하지 않고 &lt;code&gt;data/upbit_candles_snapshot.csv&lt;/code&gt;와 &lt;code&gt;data/crawl_report.json&lt;/code&gt;으로 넘기기로 했다. DB 파일을 그대로 공유하면 충돌도 나고 누가 어느 시점 데이터를 보는지 헷갈린다. CSV와 JSON으로 고정해 둔 덕에 뒤에서 점수, Mirror, ML 리포트가 다 같은 데이터로 돌아갔다.&lt;/p&gt;
&lt;p&gt;오전 안에 눈에 보이는 화면이 나온 건 아니었지만, 데이터를 가져와 검증하고 점수를 계산해서 과거 구간을 찾는 백엔드 뼈대는 세웠다.&lt;/p&gt;
&lt;h3 id="12001500--mirror와-모델을-제품-안에-넣다"&gt;12:00–15:00 — Mirror와 모델을 제품 안에 넣다
&lt;/h3&gt;&lt;p&gt;정오 이후에는 협업 규칙부터 정했다. 공용 기준 브랜치는 &lt;code&gt;feature/historical-mirror-polish&lt;/code&gt;였고, 각자 작업 브랜치에서 PR을 올리기로 했다. force push와 공용 브랜치 직접 커밋은 금지했다.&lt;/p&gt;
&lt;p&gt;12시 35분에서 50분 사이에 크롤링 PR과 데이터 export가 정리됐다. 오후 1시 25분쯤에는 Historical Mirror와 KNN Mirror를 같은 화면에서 비교할 수 있도록 응답 구조를 맞췄고, &lt;code&gt;/api/mvp-overview&lt;/code&gt;는 KNN을 기본으로 돌리지 않고 &lt;code&gt;include_knn=true&lt;/code&gt;일 때만 포함하게 했다.&lt;/p&gt;
&lt;p&gt;1시 22분 이후로는 ML 작업도 빠르게 불어났다. 깃허브에 &lt;code&gt;feat: add KNN mirror and FOMO score forecast&lt;/code&gt;, &lt;code&gt;KNN k-optimization&lt;/code&gt;, &lt;code&gt;XGBoost FOMO Score training&lt;/code&gt;, &lt;code&gt;expanding-window backtest&lt;/code&gt;, &lt;code&gt;feat(viz): final 7 graphs — ensemble redrawn as stitched timeline&lt;/code&gt; 같은 커밋이 남아 있다.&lt;/p&gt;
&lt;p&gt;&lt;code&gt;Akebimdru&lt;/code&gt; 쪽에서는 11시 52분 &lt;code&gt;feat: add FOMO score backtest and quality report&lt;/code&gt;, 13시 27분 &lt;code&gt;feat: expand FOMO score sensitivity backtest&lt;/code&gt;가 이어졌다. 모델 붙이는 일과는 따로, 점수 산식의 민감도와 품질, 그리고 어디까지가 안전한 표현인지 확인하는 작업이었다.&lt;/p&gt;
&lt;p&gt;Historical Mirror는 현재 FOMO Score와 가까운 과거 구간을 찾고, KNN Mirror는 1일 변화율·거래량 비율·RSI 같은 피처까지 비교했다. XGBoost와 expanding-window backtest도 FOMO Score의 참고 흐름을 보여주려고 붙였다.&lt;/p&gt;
&lt;p&gt;그런데 개발하면서 보니 예측 결과가 시점과 모델에 따라 크게 흔들렸다. 초기 실험 일부에서는 baseline보다 못한 구간도 있었고, KNN 이웃이 너무 최근 날짜로 몰릴 위험도 있었다. 최종 저장소에서는 XGBoost가 세 마켓 모두 persistence baseline보다 나은 구간을 확보했지만, 대회 중에는 그걸 일반적인 가격 예측 성능이라고 말할 근거가 부족했다.&lt;/p&gt;
&lt;p&gt;여기서 골라야 했다. “AI가 미래를 예측한다”고 포장하면 발표는 더 화려해 보였을 거다. 대신 성능이 애매한 숫자를 강한 예측처럼 말하게 된다.&lt;/p&gt;
&lt;p&gt;우리는 그렇게 하지 않았다.&lt;/p&gt;
&lt;p&gt;모델은 정답을 맞히는 예측기 대신 과거 참고용, 보조 관찰 리포트로 내렸다. 숫자를 세게 말하는 것보다 처음 정한 선을 지키는 쪽이 맞다고 봤다. 아쉬움이 없진 않았지만 지금 다시 해도 같은 선택을 할 것 같다.&lt;/p&gt;
&lt;h3 id="15001830--프론트엔드가-가장-큰-병목이-되다"&gt;15:00–18:30 — 프론트엔드가 가장 큰 병목이 되다
&lt;/h3&gt;&lt;p&gt;오후 3시 34분쯤, 프론트엔드가 사실상 placeholder 수준이고 발표에서 보여줄 화면이 없다는 평가가 나왔다. FOMO Score 게이지도, Historical Mirror 테이블도, Decision Pause 화면도 제대로 안 보였다.&lt;/p&gt;
&lt;p&gt;그때부터는 거의 프론트엔드에만 붙어 있었다.&lt;/p&gt;
&lt;p&gt;깃허브에는 15시 22분 &lt;code&gt;add mvp frontend dashboard&lt;/code&gt;, 15시 31분 &lt;code&gt;enhance frontend decision experience&lt;/code&gt;, 16시 &lt;code&gt;fix frontend api integration&lt;/code&gt;, 16시 13분 &lt;code&gt;integrate public ticker snapshot&lt;/code&gt;, 16시 28분 &lt;code&gt;add frontend judgment firewall demo&lt;/code&gt;가 연달아 남아 있다. 이 무렵부터 FOMO Break가 API 묶음에서 실제 제품 화면 비슷한 모양이 되기 시작했다.&lt;/p&gt;
&lt;p&gt;한 번에 좋아지지는 않았다. 가로 폭이 모자라 글자가 잘렸고, 체크를 해제할 수 없었고, 체크하면 다음 단계로 멋대로 넘어갔다. 판단 준비도와 실제 Decision Pause 사이도 너무 멀었다. 차트, 카드, 설명을 다 넣다 보니 사용자가 뭘 해야 하는지가 안 보였다.&lt;/p&gt;

 &lt;blockquote&gt;
 &lt;p&gt;새로운 사용자가 전혀 적응하지 못한다.&lt;/p&gt;

 &lt;/blockquote&gt;
&lt;p&gt;맞는 말이었다. 처음에는 차트, 카드, 설명, 리포트를 한 화면에 다 보여주려 했는데, 정보가 많으면 기술적으로 완성도가 높아 보일 거라고 착각했던 것 같다. 그래서 상세 차트와 KNN, 백테스트는 보고서 쪽으로 내리고, 기본 화면에는 가상 매수·매도 시도, 공개 데이터 확인, Decision Pause, 판단 근거 정리만 남겼다.&lt;/p&gt;
&lt;p&gt;다른 서비스들이 사용자를 매수·매도 화면으로 빨리 보내려 한다면, 우리는 그 길목에서 일부러 한 번 멈추게 하고 싶었다. 그러니 점수나 모델보다 이 흐름이 먼저 눈에 들어와야 했다.&lt;/p&gt;
&lt;p&gt;커밋명에 그때 씨름한 흔적이 그대로 남아 있다.&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;&lt;code&gt;prevent virtual order panel overflow&lt;/code&gt;&lt;/li&gt;
&lt;li&gt;&lt;code&gt;connect decision pause transition&lt;/code&gt;&lt;/li&gt;
&lt;li&gt;&lt;code&gt;tighten decision pause demo layout&lt;/code&gt;&lt;/li&gt;
&lt;li&gt;&lt;code&gt;prevent compact demo text clipping&lt;/code&gt;&lt;/li&gt;
&lt;li&gt;&lt;code&gt;shorten compact demo labels&lt;/code&gt;&lt;/li&gt;
&lt;li&gt;&lt;code&gt;simplify demo microcopy&lt;/code&gt;&lt;/li&gt;
&lt;li&gt;&lt;code&gt;simplify guided demo UI&lt;/code&gt;&lt;/li&gt;
&lt;li&gt;&lt;code&gt;rebuild guided self-check UI&lt;/code&gt;&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;거창한 새 기능은 거의 없다. 화면이 넘치지 않게 하고, 잘리는 글자를 줄이고, 버튼을 누른 다음 단계가 제대로 이어지게 하는 수정들이다. 오후 4시 30분부터 6시 30분까지는 제품을 키웠다기보다, 겨우 제품처럼 보이고 실제로 시연이 되게 만드는 데 다 썼다.&lt;/p&gt;
&lt;p&gt;지금 저장소에서 내 author 표기 두 개를 합치면 merge commit 포함 90개가 넘는 커밋이 있다. 프론트엔드 대부분과 시연 영상, 백엔드 상당 부분, 발표 직전 폴리싱을 내가 했다. 숫자 자랑을 하려는 건 아니고, 이 프로젝트를 대충 굴리지는 않았다는 건 남겨 두고 싶다.&lt;/p&gt;
&lt;p&gt;문제는 데이터, 모델, 검수 결과가 쌓이는 동안 발표 화면 만드는 일이 후반에 내 쪽으로 너무 몰렸다는 거다. 역할 배정은 맞았지만, 각자 만든 결과가 화면에서 어떻게 보이는지 같이 확인하는 구조가 없었다.&lt;/p&gt;
&lt;h3 id="1830-이후--제출과-발표-준비"&gt;18:30 이후 — 제출과 발표 준비
&lt;/h3&gt;&lt;p&gt;저녁 6시 30분이 넘어가자 제출이 코앞으로 다가왔다. 5분 발표용 PDF, 링크나 실행 파일로 배포할 수 있는 결과물, 2분 이내·1GB 이하 시연 영상을 내야 했다.&lt;/p&gt;
&lt;p&gt;중간 심사 답변도 한 문장으로 다듬었다.&lt;/p&gt;

 &lt;blockquote&gt;
 &lt;p&gt;FOMO Break는 투자 추천 앱이 아니라, 사용자가 감정적으로 매수·매도하려는 순간을 가상으로 포착해 실제 주문 경로를 차단하고, Upbit 공개 데이터 기반의 시장 상태·과거 유사 구간·오차 범위를 확인한 뒤 Decision Pause로 자기 점검하게 만드는 판단 방화벽입니다.&lt;/p&gt;

 &lt;/blockquote&gt;
&lt;p&gt;7시 45분에 발표자료 PDF가 공유됐고, 8시 20분대에는 발표 분담과 대본이 오갔다. 발표 기회가 올 거라고 생각해서 시연과 마지막 문장까지 준비했다. 끝까지 버티려고 몬스터도 마셨다.&lt;/p&gt;
&lt;p&gt;화면만 보면 코인 점수 앱으로 오해하기 쉬워서 발표가 특히 중요했다. 왜 실제 주문을 막았는지, 왜 모델을 참고 자료 정도로 낮췄는지, Decision Pause가 기존 서비스와 뭐가 다른지를 말로 이어 줘야 했다. 그 설명까지 준비는 끝내 둔 상태였다.&lt;/p&gt;
&lt;p&gt;8시가 넘어가면서 분위기가 이상해졌다. 최종 발표 팀이 이미 따로 불리고 있는 것 같다는 얘기가 돌았고, 8시 34분 카카오톡에는 “비상”이라는 말이 남아 있다. 그때까지는 정확한 결과를 몰랐다.&lt;/p&gt;
&lt;h2 id="결과"&gt;결과
&lt;/h2&gt;&lt;p&gt;우리 팀은 최종 발표 대상에 들지 못했다. 수상도 못 했다.&lt;/p&gt;
&lt;p&gt;9시 31분쯤 “다들 수고했음”, “좋은 경험이었음” 같은 말을 주고받고 끝났다. 발표할 줄 알고 카페인을 때려 넣은 탓에 잠도 안 왔고, 다음 날 강의와 바로 이어진 다른 대회 일정까지 그대로 꼬였다. 결과가 나오기 전까지 대본이랑 기능을 붙잡고 있던 대가를 몸으로 치르고 나니 더 허탈했다.&lt;/p&gt;
&lt;p&gt;개인적으로 제일 아쉬운 건 발표 기회를 못 얻은 거였다. FOMO Break는 설명이 필요한 제품이었다. 화면만 보면 코인 점수 앱 같지만 실제 의도는 그 반대였다. 매매를 추천하지 않으려고 표현을 덜어냈고, 사용자가 더 빨리 움직이기보다 더 느리게 움직이도록 UX를 짰다. 그 차이는 발표에서 말로 해야 전달되는데, 우리는 그 자리를 얻지 못했다.&lt;/p&gt;
&lt;h3 id="내가-결과를-납득하지-못한-이유"&gt;내가 결과를 납득하지 못한 이유
&lt;/h3&gt;&lt;p&gt;여기서부터는 좀 공격적으로 들려도 어쩔 수 없다. 나는 아직도 이 결과를 완전히 납득하지 못한다.&lt;/p&gt;
&lt;p&gt;대회 진행이나 공간, 분위기에는 큰 불만이 없었다. 문제라고 생각한 건 심사였다. 행사를 잘 만들었어도 마지막 평가가 전문성과 설명 책임을 보여주지 못하면, 참가자 기억에 오래 남는 건 그 부분이다.&lt;/p&gt;
&lt;p&gt;내가 보기에는 5개 학교에서 한 명씩 심사위원을 맡은 구조였던 것 같다. 정확한 내부 사정은 모른다. 그나마 제대로 대화가 된다고 느낀 건 서울대 측 심사위원이었다. 그날 밤 순위를 물어봤더니 우리 팀이 딱 중간쯤이었다고 했다. 뭐가 결정적인 문제였는지 물어도 선명한 답은 없었다. 내가 확인한 약점은 프론트엔드 완성도와 팀 이름 정도였고, 들은 설명은 주제가 겹쳤고 평가 기준이 서로 달랐다는 쪽에 가까웠다.&lt;/p&gt;
&lt;p&gt;그 말은 위로가 안 됐다. 같은 주제라도 어떤 관점으로 풀었고 어디까지 구현했는지를 보는 게 해커톤이라고 생각한다. 우리는 코인 점수만 띄워 놓지 않았다. 매수·매도 신호를 피했고, 공개 데이터만 썼고, 과거 유사 구간과 Decision Pause를 한 흐름으로 묶었다.&lt;/p&gt;
&lt;p&gt;그 차이가 안 보였다면 심사가 제대로 돌아갔다고 보기 어렵다. 운영은 해커톤이었는데 심사는 아이디어 발표회와 인기투표 사이 어디쯤에 걸쳐 있었던 느낌이다.&lt;/p&gt;
&lt;p&gt;이 정도면 꽤 돌려 말한 거다.&lt;/p&gt;
&lt;p&gt;집에 가는 길에 친구한테 “내가 버스 탄 해커톤은 다 잘되고, 내가 버스 운전한 해커톤은 다 망한다”고 보냈다. “나는 아직 능력이 부족한가봄”이라고도 했다. 근데 이건 너무 공격적으로 보이지 않으려고 한 말에 가까웠다.&lt;/p&gt;
&lt;p&gt;속내는 달랐다. 나는 내 능력을 의심하지 않았다. 프론트엔드와 영상, 백엔드 상당 부분을 붙잡고 내 이름으로 커밋을 90개 넘게 남긴 프로젝트를, 발표 한 번 없이 중간쯤으로 처리한 심사 구조를 의심했다.&lt;/p&gt;
&lt;p&gt;같은 팀 ML 담당이었던 &lt;code&gt;knowin-kyeong&lt;/code&gt;은 &lt;a class="link" href="https://knowin-kyeong.github.io/%EB%8C%80%ED%9A%8C%20%ED%9B%84%EA%B8%B0/fomo-break-hackathon-review/" target="_blank" rel="noopener"
 &gt;자신의 후기&lt;/a&gt;에서 이 결과를 다르게 복기했다. 사전 준비가 부족했고, 정량 모델에 집중하느라 해커톤이 평가하는 문제 정의와 스토리텔링을 놓쳤으며, 다른 발표팀 결과물을 보고 나서는 탈락을 납득했다고 썼다.&lt;/p&gt;
&lt;p&gt;그 분석이 틀렸다고는 생각하지 않는다. 그는 ML 파트에서 모델의 한계와 다른 팀 발표를 중심으로 대회를 봤고, 나는 제품 전체 구현량과 심사위원에게 직접 들은 얘기를 중심으로 결과를 봤다. 같은 팀이어도 맡은 영역과 결과를 접한 방식에 따라 판단이 갈릴 수 있다. 그의 오답노트와 내 문제의식은 같이 읽으면 좋겠다.&lt;/p&gt;
&lt;p&gt;물론 내 잘못도 있었다. 발표 가능한 UI를 더 일찍 만들었어야 했고, 팀 이름도 덜 이상하게 지었어야 했다. 제품의 차별점도 심사자가 놓칠 수 없게 더 노골적으로 보여줬어야 했다. 그래도 우리가 발표조차 못 할 수준이었다는 판단에는 동의하지 않는다. 백엔드, 데이터 파이프라인, 모델 리포트, Decision Pause 설계를 놓고 보면 적어도 기술적 깊이로 밀릴 프로젝트는 아니었다고 생각한다.&lt;/p&gt;
&lt;p&gt;대상을 탔어도 이상하지 않을 만큼 진지하게 만들었고, 최소한 발표 한 번은 해 볼 만한 결과물이었다. 객관적인 순위를 단정하려는 건 아니고, 구현과 기록을 다시 훑어본 지금의 내 생각이다.&lt;/p&gt;
&lt;h2 id="오답노트"&gt;오답노트
&lt;/h2&gt;&lt;p&gt;결과를 납득 못 한다고 내가 고칠 게 없다는 뜻은 아니다. 내가 바꿀 수 있었던 것과 직접 바꾸기 어려웠던 걸 나눠 봤다.&lt;/p&gt;
&lt;h3 id="내가-바꿀-수-있었던-것"&gt;내가 바꿀 수 있었던 것
&lt;/h3&gt;&lt;ul&gt;
&lt;li&gt;첫 세 시간 안에 빈 데이터로라도 발표 가능한 최소 화면을 만들었어야 했다.&lt;/li&gt;
&lt;li&gt;데이터·모델·QA 담당도 중간부터 시연 화면을 함께 검수하게 했어야 했다.&lt;/li&gt;
&lt;li&gt;“우리가 하지 않는 것”과 Decision Pause의 차별점을 첫 화면에서 더 강하게 보여줬어야 했다.&lt;/li&gt;
&lt;li&gt;모델과 리포트를 늘리기 전에 사용자가 밟을 한 가지 흐름부터 잠갔어야 했다.&lt;/li&gt;
&lt;li&gt;심사 기준에 맞는 한 문장과 시연 순서를 더 일찍 확정했어야 했다.&lt;/li&gt;
&lt;li&gt;팀 이름처럼 제품 외부에서 감점될 수 있는 요소도 가볍게 보지 말았어야 했다.&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;제일 큰 실수는 프론트엔드를 작업 순서 맨 끝에 둔 거다. 데이터와 산식이 있어야 화면을 만들 수 있다는 논리 자체는 맞았다. 그런데 해커톤에서는 데이터가 덜 됐어도 사용자가 뭘 누르고 뭘 보게 되는지부터 보여줘야 한다. 우리는 제품의 머리부터 만들고 얼굴은 너무 늦게 들여다봤다. 좋은 걸 만드는 것과 평가하는 사람이 그 장점을 바로 알아보게 만드는 건 또 다른 일인데, 이번에는 그걸 너무 늦게 챙겼다.&lt;/p&gt;
&lt;p&gt;다음에는 첫 화면부터 만든다.&lt;/p&gt;
&lt;h3 id="내가-직접-바꾸기-어려웠던-것"&gt;내가 직접 바꾸기 어려웠던 것
&lt;/h3&gt;&lt;ul&gt;
&lt;li&gt;최종 발표팀을 고르는 심사위원의 전문 분야와 평가 기준&lt;/li&gt;
&lt;li&gt;짧은 평가 시간 안에 각 저장소와 구현을 얼마나 깊게 확인했는지&lt;/li&gt;
&lt;li&gt;비슷한 주제를 선택한 팀이 여러 개였다는 사실&lt;/li&gt;
&lt;li&gt;발표 기회를 받지 못하면 제품의 의도를 설명할 방법이 거의 없었던 구조&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;이건 내가 더 열심히 구현한다고 바뀌는 부분이 아니다. 대신 다음 대회를 고를 때 심사위원의 전문성과 평가 방식, 중간 피드백과 최종 발표 기회가 어떻게 주어지는지를 먼저 확인할 수는 있다.&lt;/p&gt;
&lt;p&gt;참가자의 시간과 노동을 가져가는 대회라면 결과를 납득시킬 평가와 피드백까지 책임져야 한다고 생각한다. 운영이 괜찮았던 것도, 심사가 아쉬웠던 것도 둘 다 사실인데, 내 기억에 더 오래 남은 건 심사 쪽이다.&lt;/p&gt;
&lt;h2 id="그래도-잘한-것"&gt;그래도 잘한 것
&lt;/h2&gt;&lt;p&gt;하루 동안 실제로 만든 건 이만큼이다.&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;업비트 공개 데이터 수집·검증 파이프라인&lt;/li&gt;
&lt;li&gt;CSV·JSON 기반 데이터 공유&lt;/li&gt;
&lt;li&gt;데이터 검증 리포트&lt;/li&gt;
&lt;li&gt;FOMO Score API&lt;/li&gt;
&lt;li&gt;Historical Mirror와 KNN Mirror&lt;/li&gt;
&lt;li&gt;XGBoost·expanding-window 참고 리포트&lt;/li&gt;
&lt;li&gt;&lt;code&gt;/api/mvp-overview&lt;/code&gt; 통합 API와 실시간 표시용 ticker&lt;/li&gt;
&lt;li&gt;가상 매수·매도 시도와 Decision Pause&lt;/li&gt;
&lt;li&gt;판단 근거 정리 화면&lt;/li&gt;
&lt;li&gt;발표자료와 시연 영상&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;당일 처음 공유한 데이터는 1,695행이었는데, 이후 저장소에서 장기 백테스트용 데이터를 세 마켓 각각 2,200일, 총 6,600행까지 늘렸다. 최종 기록에는 전체 테스트가 &lt;code&gt;120 passed, 5 skipped&lt;/code&gt;로 남아 있다. 행사장에서 한 번 돌아간 데모로 끝내지 않고, 대회가 끝난 뒤에도 다시 돌리고 검증할 수 있는 형태로 정리해 뒀다.&lt;/p&gt;
&lt;p&gt;네 명이 나눈 역할도 실제 결과물로 이어졌다. 검증된 데이터가 있었고, 모델의 한계를 확인한 다음 제품 안에서 위치를 조정했고, 투자 추천처럼 보이지 않게 문구를 관리했다. 급하게 모인 팀이 하루 만에 여기까지 온 건 각자 맡은 걸 끝까지 놓지 않아서였다. 혼자였다면 백엔드와 화면은 만들었을지 몰라도, 검증 데이터와 모델 리포트, 규정 문구까지 다 갖추지는 못했을 거다.&lt;/p&gt;
&lt;p&gt;그중 내가 제일 좋게 보는 건 끝까지 투자 추천 쪽으로 방향을 틀지 않았다는 점이다. 사용자 API Key와 개인정보를 받지 않았고, 실거래를 보내지 않았고, 가격을 맞힌다고 말하지 않았다. 대신 지금 이 판단이 정보에 기반한 건지, 감정에 끌려가는 건지를 물었다.&lt;/p&gt;
&lt;p&gt;나는 FOMO Break가 괜찮은 제품이었다고 생각한다.&lt;/p&gt;
&lt;p&gt;아니, 꽤 좋은 제품이었다고 생각한다.&lt;/p&gt;
&lt;p&gt;처음으로 제품 방향과 구현을 중심에서 끌고 가서, 마지막까지 실제로 시연할 수 있는 형태로 완주했다는 것도 남았다. 결과와는 별개로, 이번 이후로는 백엔드, 프론트엔드, 발표를 따로 보지 않고 하나의 사용자 흐름으로 묶어서 챙겨야 한다는 기준이 생겼다.&lt;/p&gt;
&lt;h2 id="앞으로"&gt;앞으로
&lt;/h2&gt;&lt;p&gt;다음 해커톤에서는 시작부터 세 가지를 다르게 할 생각이다.&lt;/p&gt;
&lt;p&gt;첫째, 첫 화면과 5분 시연 흐름을 제일 먼저 만든다. 데이터와 모델은 그 흐름에 필요한 만큼만 붙이고, 각 담당자가 자기 결과가 화면에서 어떻게 보이는지까지 같이 책임지게 한다.&lt;/p&gt;
&lt;p&gt;둘째, 기술적으로 하고 싶은 것과 심사에서 알아볼 수 있는 것을 처음부터 구분한다. 차별점은 설명을 듣기 전에, 첫 화면과 첫 문장에서 바로 보여야 한다.&lt;/p&gt;
&lt;p&gt;셋째, 아무 대회에나 나가지는 않으려고 한다. 심사위원이 실제로 제품과 기술을 평가할 수 있는지, 결과에 대한 피드백이 있는지, 참가자 작업을 볼 시간이 있는지를 먼저 확인하고 싶다.&lt;/p&gt;
&lt;p&gt;이번에는 보여주지 못했다.&lt;/p&gt;
&lt;p&gt;다음에는 더 빨리, 더 정확하게 보여줄 거다. 내가 만든 걸 제대로 봐 줄 사람이 있고, 결과를 납득할 수 있게 설명해 주는 자리에서 다시 해 보고 싶다.&lt;/p&gt;</description></item></channel></rss>