네이버는 네이버클라우드와 네이버 AI Lab, 네이버랩스 유럽 등 팀네이버의 연구 논문 24편이 EMNLP 2026에 채택됐다고 15일 밝혔다. 한국어 학습 데이터 확보부터 영상 검색, 음성 생성, AI 에이전트의 작업 수행 능력까지 서비스 품질과 직결되는 연구가 다수 포함됐다.
EMNLP는 자연어처리 분야의 주요 국제 학회다. 올해 행사는 10월 24일부터 29일까지 헝가리 부다페스트에서 열린다.
|
네이버클라우드는 AI 모델을 실제 서비스에 적용할 때 발생하는 문제를 해결하는 연구를 선보였다. 대표적인 사례가 한국어 추론 학습 데이터 부족을 보완하는 기술이다. 의료·보안 등 전문 분야에서는 고품질 한국어 학습 데이터를 확보하기 어렵다. 연구진은 영어 원문을 바탕으로 한국어 추론 학습 데이터를 합성하는 방법을 제안했다. 한국어 데이터가 부족한 환경에서도 AI의 추론 능력을 높일 수 있는 기반을 마련한 것이다.
AI가 시각 정보를 학습하면서 기존 언어 능력이 떨어지는 문제도 다뤘다. 언어모델에 이미지 이해 능력을 더하는 과정에서 지시를 따르는 능력이 저하되는 원인을 분석하고, 이를 학습 전에 진단할 수 있는 지표를 제시했다. 모델에 새로운 기능을 추가하면서 기존 성능이 떨어지는 문제를 줄이는 데 활용할 수 있다.
긴 영상에서 필요한 장면을 찾는 연구도 포함됐다. 수 시간 분량의 영상에서 특정 장면이 등장하는 시점을 찾는 과제를 분석해, 영상 속 내용을 이해하는 능력과 원하는 구간을 검색하는 능력을 구분했다. 영상 콘텐츠 검색과 요약 서비스의 정확도를 높이는 데 참고할 수 있는 연구다.
텍스트·음성·영상 등을 함께 처리하는 옴니모달 AI의 음성 표현을 평가하는 벤치마크도 제안했다. AI가 문맥에 맞는 목소리 톤과 말하기 속도로 답변하는지 평가하는 방식이다. 텍스트 답변이 정확하더라도 실제 음성 응답이 부자연스러울 수 있다는 점을 고려해 음성 서비스의 품질을 평가할 수 있도록 했다.
LLM 추론 분석하고…AI 에이전트의 경험 활용
네이버 AI Lab은 대규모언어모델(LLM)이 답을 도출하는 과정과 추론 능력을 분석하는 연구를 진행했다. 문제 이해와 계획 수립, 계산 등 추론 작업이 모델 내부에서 어떻게 나타나는지 살펴봤다. 모델의 작동 방식을 이해하면 추론 능력을 개선하고 답변의 신뢰성을 높이는 연구로 이어질 수 있다.
네이버랩스 유럽은 과거 작업 경험을 검색해 새로운 과제에 활용하는 검색 증강형 LLM 에이전트를 연구했다. 에이전트가 이전에 수행한 작업에서 얻은 정보를 바탕으로 처음 접하는 과제에도 대응하도록 하는 기술이다. 업무를 반복 수행하는 AI 에이전트의 문제 해결 능력을 높이는 데 활용할 수 있다.
LLM이 음성합성(TTS)에 적합한 문장을 생성하도록 하는 연구도 포함됐다. 음성으로 읽었을 때 부자연스러운 표현을 줄이는 것이 목표다. 음성 비서나 대화형 AI 서비스에서 자연스러운 응답을 생성하는 데 활용할 수 있다.
팀네이버는 컴퓨터비전 분야 국제 학회 ECCV 2026에서 논문 23편, 머신러닝 분야 학회 ICML 2026에서 6편이 채택된 데 이어 자연어처리 분야에서도 연구 성과를 냈다. 네이버는 이번 연구 결과를 차세대 AI 모델과 서비스 개발에 활용할 계획이다.
