자연어처리연구실 박찬준 교수 연구팀, EACL 2027 논문 8편 채택

자연어처리연구실 박찬준 교수 연구팀, EACL 2027 논문 8편 채택

대형언어모델 내부 분석부터 AI 자동 평가다국어 처리까지 연구 성과 인정

학부 연구생 2명, 각각 제1저자로 참여한 논문 채택



(왼쪽 위부터 오른쪽으로) 조성현·이시현·김도윤·김찬우·금지우 연구원, 박찬준 교수.jpg


<(왼쪽 위부터 오른쪽으로) 조성현·이시현·김도윤·김찬우·금지우 연구원, 박찬준 교수>


자연어처리 연구실 박찬준 교수 연구팀의 논문 8편이 자연어처리 분야 주요 국제학술대회인 ‘EACL 2027’에 채택됐다. 이 가운데 5편은 조성현·이시현·김도윤·김찬우·금지우 연구원이 각각 제1저자로 참여해 연구를 주도한 논문이다. 특히 학부 연구생인 금지우·이시현 연구원은 제1저자로 참여한 논문이 국제학술대회에 채택되는 성과를 거뒀다. 학부생들이 주도적으로 수행한 연구가 국제학술대회에서 학술적 가치를 인정받았다는 점에서 의미가 있다.


EACL은 ACL(Association for Computational Linguistics) 유럽 지부가 주관하는 학술대회로, 유럽을 대표하는 자연어처리 분야의 주요 국제학술대회다. 올해 EACL 메인 트랙의 논문 채택률이 13.5%인 점을 고려하면, 이번 논문 채택은 주목할 만한 성과다. 이번에 채택된 논문들은 대형언어모델(LLM)의 내부 표현과 지시 이행, 자동 평가의 신뢰성, 멀티모달 모델의 이해, 다국어 처리, AI 에이전트 협업 등 다양한 주제를 다룬다.


조성현 연구원이 제1저자로 참여한 ‘Understanding Cross-Modal Inconsistency through Representation Subspaces in Omni Models’는 텍스트·이미지·음성 등 다양한 형태의 정보를 처리하는 옴니 모델(Omni Model)에서 발생하는 모달리티 간 불일치를 내부 표현 공간의 관점에서 분석한 연구다. 서로 다른 입력 모달리티가 모델 내부에서 어떻게 표현되는지 살펴보고, 모달리티 간 일관성을 이해하기 위한 분석 방향을 제시했다. 특히 모델의 동작을 원하는 방향으로 유도하는 ‘스티어링(steering)’ 과정에서 직관적으로 관찰되는 표현 공간뿐 아니라 모델 내부의 다른 관련 공간도 함께 살펴볼 필요가 있음을 밝혔다.


이시현 연구원이 제1저자로 참여한 ‘Silent Arbitration: How Large Language Models Resolve Co-Authoritative Conflicting Instructions’는 동등한 권한 수준에서 서로 충돌하는 지시가 주어졌을 때 LLM이 이를 처리하는 방식을 분석한 연구다. 명시적인 우선순위가 없는 상황에서 모델이 지시 간 충돌을 인식하면서도 실제 응답에서는 이를 드러내지 않고 한쪽 지시를 선택하는 경향을 확인했다. 이를 통해 LLM의 지시 이행 방식과 응답 신뢰성에 대한 이해를 넓혔다.



이시현 연구원이 제1저자로 참여한 ‘Silent Arbitration_ How Large Language Models Resolve Co-Authoritative Conflicting Instructions’ 중 동등한 권한 수준의 지시 충돌에 대한 LLM의 처리 과정.jpg

<이시현 연구원이 제1저자로 참여한 ‘Silent Arbitration: How Large Language Models Resolve Co-Authoritative Conflicting Instructions’ 중 동등한 권한 수준의 지시 충돌에 대한 LLM의 처리 과정 >


김도윤 연구원이 제1저자로 참여한 ‘Same Judgment, Different Scores: Numerical Scoring Topology in LLM-as-a-Judge Evaluation’는 LLM을 평가자로 활용할 때 평가 기준과 대상 응답이 같더라도 수치 평가 체계에 따라 결과가 달라지는 현상을 분석한 연구다. 연구진은 13가지 수치 평가 체계와 17개 LLM을 대상으로 실험을 진행했다. 그 결과 점수 범위와 간격 등 평가 체계의 구조가 평가 결과의 일관성과 신뢰성에 영향을 미친다는 점을 확인했다. 이를 바탕으로 신뢰할 수 있는 AI 자동 평가를 위한 수치 평가 체계의 표준화 필요성을 제시했다.


김도윤 연구원이 제1저자로 참여한 ‘Same Judgment, Different Scores_ Numerical Scoring Topology in LLM-as-a-Judge Evaluation’ 중 LLM-as-a-Judge에서의 수치 평가 체계에 따른 평가 민감도 분석.jpg


<김도윤 연구원이 제1저자로 참여한 ‘Same Judgment, Different Scores: Numerical Scoring Topology in LLM-as-a-Judge Evaluation’ 중 LLM-as-a-Judge에서의 수치 평가 체계에 따른 평가 민감도 분석>


김찬우 연구원이 제1저자로 참여한 ‘Rubric Semantics or Numerical Priors? Auditing Scale-Direction Bias in LLM Judges’는 LLM 기반 자동 평가에서 평가 척도의 방향에 따라 발생하는 편향을 분석한 연구다. 평가 기준의 의미에 대한 이해와 숫자 척도에 대한 모델의 편향을 구분해 분석함으로써, LLM을 평가자로 활용하는 시스템의 신뢰성을 점검했다.


<김찬우 연구원이 제1저자로 참여한 ‘Rubric Semantics or Numerical Priors? Auditing Scale-Direction Bias in LLM Judges’ 중 평가 척도의 방향 전환에 따른 LLM 평가자의 판단 방식 개요>


금지우 연구원이 제1저자로 참여한 ‘Structurally Different, Functionally Persistent: Capability Regions Under Model Optimization’는 LLM의 최적화 과정에서 특정 능력과 관련된 내부 파라미터 영역이 어떻게 변화하는지 분석한 연구다. 최적화에 따른 구조적 변화에도 기능적 능력이 유지되는 현상에 주목해 모델 내부의 능력 표현과 최적화 과정 사이의 관계를 탐구했다.


금지우 연구원이 제1저자로 참여한 ‘Structurally Different, Functionally Persistent_ Capability Regions Under Model Optimization’ 중 모델 최적화에 따른 능력 영역 변화 분석 절차 개요.jpg


<금지우 연구원이 제1저자로 참여한 ‘Structurally Different, Functionally Persistent: Capability Regions Under Model Optimization’ 중 모델 최적화에 따른 능력 영역 변화 분석 절차 개요>


이 밖에도 기계번역 평가에서 발생하는 참조 번역문 편향을 정량적으로 분석한 연구, 다국어 환경에서 정보 복원과 답변 형식 생성의 관계를 분석한 연구, 효율적인 LLM 추론을 위한 적응형 멀티에이전트 협업 방식을 제안한 연구 등이 채택됐다. 이로써 연구팀은 모델 내부의 작동 원리부터 평가와 활용에 이르기까지 다양한 분야에서 총 8편의 논문을 국제학술대회에 발표하게 됐다.


박찬준 교수는 “이번 성과는 연구원들이 각자의 문제의식을 바탕으로 연구를 주도하며 함께 성장한 결과라는 점에서 뜻깊다”며 “특히 학부 연구생인 금지우·이시현 연구원이 제1저자로 연구를 이끌고 국제학술대회에서 성과를 거둔 것은 학생들의 연구 역량과 성장 가능성을 보여주는 사례”라고 말했다.


이어 “앞으로도 학생들이 스스로 질문하고 도전하며 자신의 연구를 발전시킬 수 있는 환경을 만들어가겠다”며 “논문 채택을 출발점으로 연구 결과가 후속 연구와 실제 활용으로 이어질 수 있도록 힘쓰고, 신뢰할 수 있는 인공지능을 위한 연구를 지속하겠다”고 밝혔다.


홍보팀 기사 바로가기

화살표TOP