(사진 왼쪽부터 김영빈 교수, 윤정민 박사과정, 장진희 석사과정, 임병극 석사과정, 권준형 박사과정)

우리 대학 첨단영상대학원 김영빈 교수 연구팀이 자연어처리(NLP) 분야 최고 권위 학술대회인 ACL (Annual Meeting of the Association for Computational Linguistics) 2026에서 총 4편의 논문을 발표하는 성과를 거두었다. 이번 성과는 대규모 언어모델(LLM)의 효율성, 공정성, 환각(hallucination) 문제, 그리고 멀티모달 학습의 신뢰성에 이르기까지 핵심 연구 과제를 폭넓게 다루며, 첨단영상대학원의 연구 경쟁력을 국제적으로 입증했다.

ACL은 자연어처리(NLP) 분야에서 가장 권위 있는 국제학술대회로, 전 세계 연구자들이 최신 언어 AI 기술을 발표하는 핵심 학술대회다. 특히 Main Conference 논문은 엄격한 심사를 통해 선별된 최상위 연구 성과로, 학문적 완성도와 국제적 영향력을 동시에 인정받는다.

이번 ACL 2026에서는 Main Conference 2편과 Findings 2편이 채택되었다.

[IterCOMP]

Main Conference에 채택된 IterCOMP: Reasoning-aware Adaptive Prompt Compression for Multi-hop Question Answering은 멀티홉 질의응답에서 긴 컨텍스트를 효율적으로 압축하면서도 성능을 유지하는 프롬프트 최적화 기법을 제안했다.

[FairQE]

또 다른 Main Conference 논문인 FairQE: Multi-Agent Framework for Mitigating Gender Bias in Translation Quality Estimation은 기계번역 품질 평가에서 발생하는 성별 편향을 완화하면서도 평가 정확도를 유지하는 프레임워크를 제시했다.

[Before Forgetting, Learn to Remember]

Findings에 채택된 Before Forgetting, Learn to Remember: Revisiting Foundational Learning Failures in LVLM Unlearning Benchmarks는 기존 멀티모달 언러닝 평가 방식의 한계를 지적하고, 보다 신뢰성 있는 벤치마크를 제안했다.

[Aligning with Your Own Voice]

또한 Aligning with Your Own Voice: Self-Corrected Preference Learning for Hallucination Mitigation in LVLMs는 모델 자체의 지식을 활용한 자기 수정 기반 학습을 통해 멀티모달 모델의 환각 문제를 효과적으로 완화하는 방법을 제시했다.

김영빈 교수는 “이번 ACL 2026 성과는 LLM 기반 AI 시스템이 실제 환경에서 요구되는 효율성, 공정성, 신뢰성을 동시에 고려한 연구 결과라는 점에서 의미가 있다”며 “앞으로도 언어 및 멀티모달 AI 분야에서 핵심 문제를 해결하는 연구를 지속해 나가겠다”고 밝혔다.

첨단영상대학원은 이번 성과를 계기로 LLM과 멀티모달 AI, 신뢰가능 AI 분야에서의 연구 역량을 더욱 강화하고, 글로벌 학술대회와의 연계를 통해 세계적 수준의 연구 성과를 지속적으로 창출해 나갈 계획이다.