팀네이버, 세계적 AI 학회 'EMNLP'서 논문 24편 채택…연구 경쟁력 입증

한국어 추론·멀티모달 AI·LLM 분석 등 성과…차세대 AI 모델 개발에 활용

팀네이버가 세계적인 자연어처리 학회에서 인공지능(AI) 연구 논문 24편을 채택받으며 기술 경쟁력을 입증했다.

한국어 추론 능력 개선부터 멀티모달 AI 평가, 거대언어모델(LLM)의 내부 추론 과정 분석까지 다양한 연구 성과를 확보하며 차세대 AI 모델과 서비스 개발에 속도를 낸다는 계획이다.

팀네이버는 세계 주요 자연어처리 학회인 'EMNLP 2026'에서 네이버와 네이버클라우드, 네이버랩스 유럽 등 기술 조직의 연구 논문 24편이 채택됐다고 15일 밝혔다.

네이버1784 사옥 (사진=지디넷코리아 DB)

EMNLP는 ACL, NAACL과 함께 자연어처리 분야 3대 학회로 꼽힌다. 올해 학회는 오는 24일부터 29일까지 헝가리 부다페스트에서 열리며 팀네이버는 이 자리에서 주요 연구 성과를 발표할 예정이다.

이번에 채택된 논문은 한국어 AI와 음성·영상 데이터를 함께 처리하는 멀티모달 AI, LLM 추론 분석, AI 에이전트 등 다양한 분야를 다뤘다. 실제 AI 모델을 개발하고 서비스에 적용하는 과정에서 발생하는 기술적 문제를 해결하는 데 중점을 뒀다.

네이버클라우드는 언어모델에 시각 처리 능력을 추가할 때 기존 지시 수행 능력이 저하되는 원인을 분석하고 이를 학습 전에 예측할 수 있는 진단 지표를 제안했다. 멀티모달 AI의 기능을 확장하면서 기존 언어 능력을 유지하기 위한 연구다.

한국어 추론 능력 개선을 위한 연구도 채택됐다. 의료와 보안 등 전문 분야에서 부족한 한국어 추론 학습 데이터를 영어 원문으로부터 합성해 모델의 한국어 성능을 높이는 방법을 제시했다. 이는 국내 언어 환경에 최적화된 소버린 AI 개발 역량을 강화하는 연구로 평가된다.

멀티모달 AI의 실제 활용 능력을 평가하는 연구도 포함됐다. 수 시간 분량의 영상에서 특정 장면을 찾아내는 과제를 분석한 결과, 기존 AI의 한계가 장면 인식 자체보다 긴 영상 속에서 원하는 구간을 검색하는 과정에 있다는 점을 확인했다.

또 음성과 텍스트 등을 함께 처리하는 옴니모달 AI가 상황에 맞는 목소리 톤과 말하기 속도를 구현하는지 평가하는 벤치마크를 개발했다. 해당 연구에선 텍스트 기반 평가에서 우수한 성능을 보인 모델도 실제 음성 표현에서는 낮은 평가를 받을 수 있다는 점을 확인했다.

네이버는 LLM의 내부 추론 과정을 이해하고 학습 효율을 높이는 연구에 집중했다. 네이버 AI랩은 문제 이해와 계획 수립, 계산 등 추론 과정이 LLM 내부에서 구분되는 형태로 나타난다는 사실을 확인했다. 이를 통해 AI가 답변을 도출하는 과정을 분석하는 기계론적 해석 연구의 기반을 넓혔다는 설명이다.

네이버랩스 유럽은 검색 증강형 AI 에이전트와 음성 서비스 관련 연구 성과를 발표한다. AI 에이전트가 과거 작업 경험을 검색해 새로운 문제 해결에 활용하도록 하는 기술을 개발해 처음 접하는 작업에 대한 일반화 성능을 높였다.

LLM이 생성한 문장을 음성으로 변환했을 때 자연스럽게 들리도록 모델을 학습시키는 연구도 진행했다. 별도의 후처리 과정 없이 음성합성(TTS)에 적합한 답변을 생성할 수 있도록 하는 기술이다.

팀네이버는 올해 주요 글로벌 AI 학회에서도 연구 성과를 이어가고 있다. 지난 7월 머신러닝 분야 학회인 'ICML 2026'에서 논문 6편이 채택됐으며 9월 컴퓨터비전 분야 학회인 'ECCV 2026'에서도 23편의 논문이 채택됐다.

팀네이버 측은 "이번 연구 성과를 차세대 AI 모델과 서비스 개발에 적극 반영해 글로벌 AI 경쟁력을 한층 끌어올릴 계획"이라고 밝혔다.