네이버, 'ICML'서 AI 풀스택 연구 성과 선보여

네이버(대표 최수연)는 '2026 국제머신러닝학회(ICML 2026)'에서 AI 모델 고도화부터 피지컬 AI까지 연구 성과를 발표했다고 13일 밝혔다. 네이버는 지난 6일부터 11일까지 서울 코엑스에서 열린 ‘ICML 2026’에 참가, 'AI 연구가 현실이 되는 곳(Where AI Research Becomes Reality)'를 주제로 부스를 열고 주요 연구 성과 및 실제 서비스 사례를 선보였다. AI 풀스택 기술을 실제 서비스와 산업현장에 적용하기 위한 연구 성과를 중점적으로 발표했다. ▲AI 안전성 강화 ▲모델 및 에이전트 운영 효율화 ▲3D 공간 이해와 물리 세계 확장 등 크게 3가지 분야를 다뤘다. 가장 주목 받은 연구는 대형언어모델(LLM)의 취약점을 공격자 관점에서 찾아내는 '레드티밍(Red-Teaming)' 기술로 꼽았다. 기존 방식이 안고 있던 학습 불안정성과 유사 패턴 반복 문제를 구조적으로 해결한 기술 '스테이블 지플로우넷(Stable-GFlowNet)'으로 전체 채택 논문 중 상위 약 2.2%에 해당하는 '스포트라이트(Spotlight)'에 선정됐다. LLM이 실제 서비스에 배포되기 전부터 공격 취약점을 파악하고 다양한 시나리오로 검증할 수 있다는 평가를 받았다. 모델·에이전트 운영 효율화 분야에서는 AI를 효율적으로 합치고 운영하는 기술을 공개했다. 서로 다른 작업에 특화한 여러 모델을 하나로 통합하는 모델 병합 기법 ‘시머지(SyMerge)'다. 단 하나의 레이어만 조정해 모델 간 시너지를 이끌어내는 매우 간단한 아이디어로, 비전과 자연어처리(NLP)를 포함한 벤치마크에서 최고 수준 성능을 달성했다고 전했다. AI가 스스로 작업 순서를 설계하고 찾아내는 '플로우봇(FlowBot)' 기술도 공개, 하네스 엔지니어링의 핵심 연구 성과라는 평을 얻었다고 밝혔다. 수백~수천개의 서로 다른 데이터셋을 성격에 따라 그룹별로 분할 학습한 뒤, 단 한 번의 병합만으로 LLM 후공정 성능을 효율적으로 끌어올리는 기술이다. 3D 공간 이해 분야에서는 흔들리거나 초점이 흐린 단일 카메라 영상만으로 움직이는 3차원 장면을 복원하는 연구를 발표했다. 기존 방식은 움직임으로 인해 물체의 동작과 형태 정보를 뒤섞어 정밀한 복원이 어려웠지만, 이번 연구는 운동 궤적을 통해 형태를 추정하는 방식으로 탁월한 복원 성능을 입증했다고 설명했다. 팀네이버는 실제 서울을 가상으로 재현한 '서울 월드 모델(Seoul World Model)'도 집중 소개했다. 네이버, 네이버랩스, 한국과학기술원(KAIST), 서울대학교가 공동 개발한 모델로, 서울 전역의 공간 데이터를 시뮬레이션해 로봇의 경로·행동 학습에 직접 활용할 수 있는 피지컬 AI 플랫폼으로 주목받았다. 장세민 기자 semim99@aitimes.com