팀네이버, EMNLP 2026서 논문 24편 채택…AI 연구 경쟁력 입증

한국어 추론·멀티모달·LLM 해석 등 연구성과 공개
ECCV·ICML 이어 글로벌 주요 AI 학회서 연속 채택

네이버와 네이버클라우드, 네이버랩스 유럽 등 팀네이버의 연구 논문 24편이 자연어처리 분야 국제학회 'EMNLP 2026'에 채택됐다. 한국어 추론 데이터 합성부터 멀티모달 AI 평가, 대규모언어모델(LLM) 추론 과정 분석과 에이전트 기술까지 실제 모델 개발과 서비스 과정에서 발생한 문제를 연구로 풀어낸 성과다.

15일 네이버에 따르면 'EMNLP(Empirical Methods in Natural Language Processing) 2026'은 오는 24일부터 29일까지 헝가리 부다페스트에서 열린다. EMNLP는 ACL, NAACL과 함께 자연어처리 분야 주요 국제학회로 꼽힌다.

이번 채택 논문은 네이버와 네이버클라우드, 네이버랩스 유럽 등 팀네이버 기술 조직 전반에서 나왔다. 연구 주제는 한국어 AI와 음성·영상 기반 멀티모달 AI, LLM 추론 분석, 에이전트 기술 등으로 구성됐다.

네이버클라우드는 실제 모델 개발과 서비스 적용 과정에서 발생하는 문제를 정의하고 해결하는 연구에 집중했다. 언어모델에 시각 능력을 추가하는 과정에서 기존 지시 수행 능력이 떨어지는 원인을 분석하고, 이를 학습 전에 예측할 수 있는 진단 지표를 제안했다.

한국어 추론 성능을 높이기 위한 연구도 채택됐다. 의료·보안 등 전문 분야에서 부족한 한국어 추론 데이터를 영어 원문으로부터 합성해 학습에 활용하는 방식으로, 한국어 기반 AI 역량을 강화하는 데 초점을 맞췄다.

멀티모달 AI 평가 방식도 새로 제시했다. 수 시간 길이의 영상에서 특정 장면이 등장하는 구간을 찾는 문제를 분석한 연구에서는 기존 AI의 한계가 장면 인식보다 긴 영상 내 탐색 과정에 있다는 점을 확인했다. 상황에 맞는 음성 톤과 속도를 평가하는 옴니모달 벤치마크도 공개했다.

네이버 AI Lab은 LLM 내부의 추론 과정을 분석하는 연구를 선보였다. 문제 이해와 계획 수립, 계산 등 사람의 추론 과정이 LLM 내부에서도 서로 구분되는 형태로 나타나는지를 분석해 모델이 답을 도출하는 방식을 해석하는 연구 기반을 넓혔다.

네이버랩스 유럽은 검색 증강형 LLM 에이전트와 모델 정렬 기술에 대한 연구를 발표한다. AI 에이전트가 과거 작업 경험을 검색해 새로운 과제 해결에 활용하도록 한 연구를 통해 처음 접하는 작업에 대한 일반화 성능을 높였다.

LLM이 생성한 문장을 음성합성(TTS)에 적합하도록 만드는 연구도 채택됐다. 별도의 후처리 없이도 음성 서비스에서 자연스럽게 들리는 답변을 생성하도록 모델 자체를 정렬하는 방식이다.

팀네이버는 올해 주요 AI 학회에서도 연구 성과를 이어가고 있다. 지난 7월 ICML 2026에서 6편, 9월 ECCV 2026에서 23편의 논문이 채택됐다.

네이버는 이번 연구 성과를 차세대 AI 모델과 서비스 개발에 반영해 자연어처리와 멀티모달, 에이전트 분야의 기술 경쟁력을 강화할 계획이다.