자주 묻는 질문

LLM은 자연어를 이해하고 구조화하는 데 사용되지만, PEQ에서 최종 판정은 LLM이 하지 않습니다. LLM은 문서에서 Fact를 추출하고, 판정은 명시적으로 버전 관리되는 Symbolic Rule이 수행하며, 진단관이 최종 확인합니다. 결과가 결정적이고, 모든 판정이 근거로 역추적된다는 점이 LLM-only 접근과의 핵심 차이입니다. Overview에서 자세히 보기 →

아니요. PEQ는 진단 후보와 근거를 생성하며, 최종 판정은 진단관이 합니다. 진단관은 확정·오진·보류·Rule 개선 제안 중 하나로 처리하고, 그 결정이 다시 지식으로 축적됩니다. AI는 보조하고 사람이 통제하는 Human-in-the-Loop 구조입니다.

UNKNOWN은 "판정에 필요한 Fact가 확보되지 않음"을 뜻하는 통제된 상태입니다. 오류가 아닙니다. 근거가 부족한데도 억지로 결론을 내는 것보다, UNKNOWN으로 보류하고 진단관에게 확인을 요청하는 것이 PEQ의 원칙입니다. Demo에서 직접 체험 →

코드에 박힌 기준은 도메인 전문가(진단관)가 읽고 검토하고 승인할 수 없습니다. Rule DSL(WHEN / UNLESS / THEN)로 작성된 Rule은 진단관이 직접 검토 가능한 형태이며, 버전 관리·근거 연결·회귀 테스트가 가능합니다. 기준이 바뀌어도 코드 배포 없이 Rule만 개정할 수 있습니다.

Rule의 최종 작성·승인 주체는 진단관입니다. LLM(Rule Intelligence)은 진단사례와 판례를 분석해 Rule 후보를 제안할 수 있지만, 모든 후보는 진단관 검토 → 회귀 테스트 → Shadow Mode → 활성화 승인을 거칩니다. Rule Lifecycle 보기 →

새 판례는 Evolution Source로 등록되고, 영향 받는 Rule이 식별됩니다. LLM이 개선 후보(새 UNLESS 조건 등)를 제안하면, 진단관 검토와 회귀 테스트를 거쳐 Shadow Mode에서 실제 진단과 병행 평가된 뒤 활성화됩니다. Rule Evolution Lab에서 시뮬레이션 →

없습니다. LLM은 제안(propose)만 할 수 있고, 활성화 승인은 진단관의 권한입니다. 이는 시스템 경계의 핵심 설계 원칙입니다: "LLM can propose. Symbolic Engine can evaluate. Diagnosis Officer can approve."

진단관의 오진(False Positive)·미탐(False Negative) 피드백이 Evolution Source로 기록됩니다. Rule을 개정하거나 DEPRECATED로 전환하고, 개정 결과는 반드시 회귀 테스트로 검증합니다. 또한 Evidence Trace 덕분에 잘못된 판정의 원인이 Rule인지, Fact인지, 문서인지 정확히 지목할 수 있습니다.

비공개 케이스는 대상 출원 서류를 사용자가 직접 입력하고, 공개된 인용발명만 자동 수집합니다. 문서 접근 권한은 사용자 범위로 제한되며, 진단 파이프라인은 공개 케이스와 동일하게 동작합니다. Workflow에서 비교 →

KIPRIS PLUS는 공개 사건의 서지, 청구항, 심사정보, 인용발명을 수집하는 공공 데이터 소스입니다. PEQ는 수집된 정보를 하나의 Patent Case Package로 정규화한 뒤 진단을 실행합니다. 본 사이트는 정적 시뮬레이션이며 KIPRIS PLUS를 호출하지 않습니다.