한국어 추론부터 AI 음성 평가까지…팀네이버 논문 24편 EMNLP 채택

모델 개발·서비스 적용 과정의 문제 다룬 연구 발표

24~29일 부다페스트서 개최…LLM 추론·에이전트 기술도 포함

경기 성남시 분당구 네이버 사옥.ⓒ뉴시스

팀네이버가 한국어 추론 성능 개선과 긴 영상 검색, AI의 음성 표현 능력 평가 등을 다룬 연구 성과를 국제학회에서 발표한다. 모델과 서비스를 개발하는 과정에서 발견한 문제를 분석하고 개선 방안을 제안한 논문들이 채택됐다.

네이버는 네이버클라우드와 네이버랩스 유럽 등 팀네이버 기술 조직의 논문 24편이 자연어처리 분야 국제학회 'EMNLP 2026'에 채택됐다고 15일 밝혔다.

EMNLP는 ACL, NAACL과 함께 자연어처리 분야 주요 학회로 꼽힌다. 올해는 오는 24일부터 29일까지 헝가리 부다페스트에서 열린다.

네이버클라우드는 AI 모델의 성능 저하 원인을 진단하고 한국어 학습 데이터를 확보하는 연구 등을 선보인다. 언어모델에 시각 능력을 추가할 때 지시를 따르는 능력이 손상되는 원인을 분석하고, 이를 학습 전에 예측하는 진단 지표를 제안했다.

의료·보안 등 전문 분야에서 부족한 한국어 추론 학습 데이터를 영어 원문으로부터 합성하는 연구도 채택됐다. 이를 통해 한국어 성능을 높이고, 전문 영역의 학습 데이터 부족에 대응하는 방안을 제시했다.

멀티모달 AI의 실제 활용 능력을 측정하는 평가 기준 연구도 포함됐다. 수 시간 길이의 영상에서 특정 장면의 시점을 찾는 연구에서는 AI가 장면 자체를 인식하는 능력과 긴 영상 속 해당 구간을 검색하는 능력을 구분해 분석했다. 기존 모델의 한계가 장면 인식뿐 아니라 긴 영상 내 탐색 과정에 있다는 점을 짚었다.

텍스트·음성·영상 등을 함께 처리하는 옴니모달 AI가 상황에 맞는 목소리 톤과 속도로 답하는지 평가하는 벤치마크도 제안했다. 연구에서는 텍스트 평가에서 우수한 모델도 음성 표현을 상황에 맞게 조절하는 데는 한계를 보였다.

네이버는 대규모언어모델(LLM)의 내부 추론 과정과 학습 효율을 다룬 연구에 집중했다. 후속 학습 비용을 줄이거나 전문가 혼합(MoE) 모델의 능력을 보존하는 연구 등이 채택됐다.

네이버 AI Lab은 문제 이해와 계획 수립, 계산 등 추론 단계가 LLM 내부에서도 구분되는 형태로 나타나는 것을 확인했다. 모델이 답을 도출하는 내부 작동 방식을 분석하는 '기계론적 해석' 연구다.

네이버랩스 유럽은 과거 작업 경험을 검색해 새로운 과제 해결에 활용하는 LLM 에이전트 연구를 선보였다. 경험을 활용하는 방식으로 처음 접하는 작업에 대한 일반화 성능을 높였다.

LLM이 음성합성(TTS)에 적합한 텍스트를 생성하도록 조정하는 연구도 채택됐다. 생성한 문장이 음성으로 변환됐을 때 자연스럽게 들리도록 모델을 학습해 별도 후처리 없이 음성 서비스에 활용하는 방안을 제시했다.

팀네이버는 앞서 올해 컴퓨터비전 학회 'ECCV 2026'과 머신러닝 학회 'ICML 2026'에서도 각각 논문 23편과 6편을 채택받았다. 이번 연구 성과를 차세대 AI 모델과 서비스 개발에 반영할 계획이다.