네이버와 네이버클라우드, 네이버랩스 유럽의 연구 논문 24편이 자연어처리 학회 EMNLP 2026에 채택됐다. 팀네이버는 15일 이 같은 결과를 발표하고, 오는 24일부터 29일까지 헝가리 부다페스트에서 열리는 학회에서 한국어 추론 데이터와 멀티모달 평가, 언어모델 추론 분석 등의 연구를 공개한다고 밝혔다.

네이버클라우드는 언어모델에 이미지 처리 능력을 더하는 과정에서 텍스트 지시를 따르는 능력이 떨어지는 현상을 연구했다. 시각 기능을 추가한 뒤 발생하는 손실의 원인을 분석하고, 학습 전에 이를 예측하기 위한 진단 지표를 제안했다. 의료·보안처럼 한국어 학습자료가 부족한 전문 분야에서는 영어 원문으로부터 한국어 추론 데이터를 합성하는 방법도 다뤘다.

긴 영상에서 특정 장면의 시간대를 찾는 연구는 장면 인식과 구간 검색을 나눠 평가했다. 네이버클라우드는 기존 모델이 장면 자체를 알아보지 못하는 문제와, 수 시간 분량의 영상에서 필요한 구간을 찾아내지 못하는 문제가 다르다는 점을 실험으로 분석했다고 설명했다. 영상의 어느 시점에 사건이 발생했는지 자연어로 질의하는 작업을 대상으로 삼았다.

음성과 영상을 함께 다루는 옴니모달 모델의 평가 연구도 포함됐다. 상황에 맞춰 목소리의 톤과 속도를 조절하는 능력을 측정하는 'OmniACBench'를 제시했으며, 텍스트 평가에서 높은 성능을 낸 모델이 음성 응답의 상황 적합성 평가에서는 낮은 점수를 받을 수 있다는 결과를 발표한다.

네이버 AI Lab은 대규모언어모델 내부에서 문제 이해, 계획 수립, 계산과 같은 추론 과정이 구분되는 양상을 분석했다. 답변에 이르는 내부 연산을 해석하는 연구와 함께 학습 후 성능을 조정하는 포스트 트레이닝의 효율, 전문가 혼합 모델의 능력 보존을 다룬 연구도 채택됐다.

네이버랩스 유럽은 과거 작업 경험을 검색해 새로운 과제에 활용하는 언어모델 에이전트를 연구했다. 처음 접하는 작업의 일반화 성능을 높이는 접근이다. 또 음성합성으로 읽었을 때 자연스럽게 들리는 텍스트를 생성하도록 언어모델을 정렬했다. 별도 후처리 없이 음성 서비스에 적합한 답변을 생성하는 연구다.

EMNLP 2026은 전산언어학회 ACL의 SIGDAT가 주관한다. 팀네이버는 이번 학회에 앞서 7월 ICML에서 6편, 9월 ECCV에서 23편의 논문이 채택됐다. 네이버는 이러한 연구 성과를 차세대 모델과 서비스 개발에 반영하겠다고 밝혔다.