🧠 mATH+AI

Multimodal AI-powered Math Problem Solving Platform

덕성여자대학교 캡스톤 프로젝트
한이음 ICT 공모전 장려상

---

🏗 Architecture

---

🧩 Core Features

• 📌 문제 이미지 + 사용자 풀이 동시 입력 처리
• 📌 Qwen-2.5 VL 7B 기반 이미지 텍스트 변환
• 📌 Deepseek 기반 단계별 수학 추론 처리
• 📌 GPT 후처리를 통한 풀이 정제
• 📌 LaTeX → SVG 수식 시각화 렌더링
• 📌 AWS S3 Presigned URL 기반 안전한 이미지 업로드
• 📌 Relay API를 통한 모델 연동 안정화
• 📌 카카오 소셜 로그인 지원
• 📌 오답노트 조회 및 PDF 추출 기능

---

📊 Benchmark Performance

성능 지표(Evaluation Results)에 따르면, 본 프로젝트에서 채택한 DeepSeek-R1-Distill-Qwen-1.5B 모델은 경량 모델임에도 불구하고 강력한 수학 추론 능력을 보여줍니다.

Key Insight: Distillation 기법을 통해 1.5B 규모의 소형 모델로도 대형 상용 모델 수준의 수학적 추론 성능을 확보하여, 빠른 응답 속도와 정확도를 동시에 달성했습니다.

---

🛠 Prompting Strategy

안정적인 단계별 풀이 제공을 위해 다음과 같은 전략을 사용합니다.

• Hierarchical Prompt Design: 페르소나, 핵심 지시사항, 출력 규칙을 계층적으로 분리하여 모델의 역할(Math Reasoning Assistant)을 명확히 정의합니다.
• Structured Output (JSON): 추론 결과를 step n, answer, type, next_step 등의 키를 가진 JSON 객체 배열로 강제하여, 프론트엔드에서 단계별 시각화가 용이하도록 설계했습니다.
• CoT (Chain-of-Thought): 모델이 스스로 논리적 일관성을 유지하며 단계별 사고 과정을 전개하도록 유도하여 오답률을 최소화합니다.

---

🛠 Tech Stack

Backend

Spring Boot AWS EC2 AWS S3 MySQL JWT

AI Pipeline

Qwen-2.5 VL 7B Deepseek OpenAI API

DevOps

Docker GitHub Actions CI/CD

External Services

Cloudinary Kakao OAuth

---

🎯 Project Goals

• 멀티모달 AI 기반 수학 자동 풀이 시스템 구현
• 학습자의 풀이 과정을 반영한 단계별 추론 제공
• 수식 시각화를 통한 직관적 학습 지원
• 확장 가능한 AI API 기반 구조 설계