팀네이버, 국제 머신러닝 학회서 'AI 풀스택' 기술력 공개

LLM 안전성부터 AI 에이전트·피지컬 AI까지…서울 월드 모델도 공개

팀네이버가 세계 최고 권위 인공지능(AI) 학회인 'ICML 2026'에서 대규모언어모델(LLM) 안전성부터 AI 에이전트 운영, 피지컬 AI까지 아우르는 연구 성과를 공개하며 AI 풀스택 기술 경쟁력을 선보였다.

팀네이버는 지난 6일부터 11일까지 서울 코엑스에서 열린 국제 머신러닝 학회 'ICML 2026'에 참가해 'AI 연구가 현실이 되는 곳(Where AI Research Becomes Reality)'을 주제로 주요 AI 연구 성과와 실제 서비스 사례를 공개했다고 13일 밝혔다.

회사는 AI 모델 연구에 그치지 않고 실제 서비스와 산업 현장에 적용 가능한 기술을 함께 공개하며 글로벌 AI 생태계 확장에 속도를 내고 있다.

팀네이버가 글로벌 AI 학회인 ICML 2026에 참가해 다양한 AI 기술을 선보였다. (사진=네이버클라우드)

ICML은 NeurIPS, ICLR과 함께 세계 3대 AI·머신러닝 학회로 꼽히며 올해 처음으로 한국에서 개최됐다. 이번 행사에서 팀네이버는 AI 안전성 강화, 모델·에이전트 운영 효율화, 3차원(3D) 공간 이해 및 피지컬 AI 등 세 분야를 중심으로 총 6편의 논문을 발표했다.

가장 주목받은 연구는 LLM 취약점을 공격자 관점에서 탐색하는 레드티밍 기술 '스테이블 지플로우넷'이다. 기존 방식의 학습 불안정성과 유사 패턴 반복 문제를 개선한 기술로, ICML 전체 채택 논문 가운데 상위 약 2.2%에만 주어지는 '스포트라이트'에 선정됐다.

실제 서비스 배포 전 다양한 공격 시나리오에서 AI 모델의 안전성을 보다 정교하게 검증할 수 있다는 평가를 받았다.

모델과 AI 에이전트 운영 효율을 높이는 연구도 공개했다. '시머지'는 서로 다른 작업에 특화된 AI 모델을 하나로 통합하는 모델 병합 기술로, 단 하나의 레이어만 조정해 다양한 벤치마크에서 높은 성능을 구현했다.

또 '플로우봇'은 여러 AI가 협업할 때 작업 순서를 AI 스스로 설계하는 기술로, AI 에이전트 운영 효율을 높이는 핵심 연구 성과로 소개됐다. 아울러 여러 데이터셋을 분할 학습한 뒤 한 번의 병합만으로 LLM 후공정 성능을 높이는 기술도 함께 발표했다.

피지컬 AI 기반 기술도 선보였다. 팀네이버는 흔들리거나 초점이 흐린 단일 카메라 영상만으로 움직이는 3차원 장면을 복원하는 기술을 공개했다. 기존에는 움직임으로 인해 형태와 동작 정보를 동시에 복원하기 어려웠지만, 운동 궤적 기반 추정 방식을 적용해 복원 정확도를 높였다는 설명이다.

논문 발표와 함께 팀네이버는 실제 서울을 가상으로 재현한 '서울 월드 모델'도 집중 소개했다.

팀네이버 측은 "네이버·네이버랩스·한국과학기술원(KAIST)·서울대학교가 공동 개발한 이 모델은 서울 전역의 공간 데이터를 시뮬레이션했다"며 "로봇의 경로·행동 학습에 직접 활용할 수 있는 피지컬 AI의 핵심 플랫폼으로 큰 주목을 받았다"고 전했다.