- CIKM 2026 2편, EMNLP 2026 7편 채택… RI-Prune 구두발표 선정

- 다중 이미지 처리 효율화부터 AI의 안전성, 신뢰성과 언어적 공정성까지

[김영빈 교수(왼쪽)와 지능형 정보처리 연구실 IIPL]

우리 대학 첨단영상대학원 김영빈 교수의 지능형 정보처리 연구실(Intelligent Information Processing Lab, IIPL)이 국제학술대회 CIKM 2026에서 2편, EMNLP 2026에서 7편 등 총 9편의 논문 채택 성과를 거뒀다. 이 가운데 ‘RI-Prune’ 연구는 CIKM 구두발표(Oral) 논문으로 선정됐다. 

CIKM은 정보검색과 지식관리, EMNLP는 자연어처리 분야의 국제학술대회다. 연구팀은 AI의 처리 효율과 안전성, 신뢰성부터 추천과 창작, 언어적 편향까지 다양한 문제를 다뤘다.

- CIKM 2026, 다중 이미지 처리와 복합 질문의 근거 검색 개선 

'RI-Prune’ 연구는 질문과의 관련성, 이미지 사이의 대응 관계, 각 이미지 내부의 대표성을 함께 고려해 중요한 시각 토큰을 선별하는 기법으로, 추가 학습 없이 토큰 수를 줄이면서 다중 이미지 이해 성능의 저하를 완화했다. 

'Beyond One-Shot Expansion’은 여러 문서의 정보를 연결해야 하는 복합 질문에서 이미 확보한 근거를 바탕으로 부족한 정보를 반복 탐색하고, 문서별 차이와 근거의 상호보완성을 고려해 검색 및 질의응답 성능을 개선했다.

[RI-Prune의 시각 정보 선별 비교, Dongjin Lee 외]

- EMNLP 2026, 안전성과 신뢰성에서 추천과 창작까지

EMNLP에서는 메인 컨퍼런스 2편과 Findings 5편 등 총 7편이 채택됐다. 연구팀은 언어모델의 추론과 답변을 더 안전하게 만드는 기술부터 생성 결과의 평가와 다양한 활용 분야까지 연구 범위를 넓혔다. 

'Beyond Safe Answers' 는 중간 추론과 최종 답변의 안전성을 각각 학습하고 두 구간의 안전성 일관성을 높이는 ‘SaLT-DPO’를 제안해, 유해한 출력을 줄이면서 과도한 거절과 일반적인 추론 성능의 저하를 완화했다. 

'ALTSTEER' 는 모델 내부 신호를 활용해 안전성 개입 여부를 판단하고 답변 생성 방향을 단계적으로 조절함으로써, 유해한 요청에 대한 단순한 거절을 넘어 안전하고 건설적인 대안을 제시하도록 유도하는 기술이다. 

'Don’t Count the Edits, Judge by the Outcome Alone'은 정답 문장과의 일치 정도에 의존하는 기존 평가의 한계를 보완하기 위해 원문의 오류 해결 여부와 교정문의 문법성, 의미 보존, 유창성을 함께 판단하는 문법 오류 교정 평가모델 ‘SURE’를 제안했다. 

'Look Before You Leap' 연구는 모델 내부 신호로 사실 오류의 위험을 추정하고 다음에 생성할 표현의 점수를 조절하는 ‘DESCAPE’를 제안해, 초기의 잘못된 정보가 후속 답변으로 누적되는 현상을 완화했다.

[DESCAPE의 사실 오류 누적 억제 예시, Hayeong Ryu 외]

'Detecting and Guiding LLM-Generated Korean Poetry'는 시의 길이, 행 끝 표현, 리듬의 불규칙성과 띄어쓰기 등 다섯 가지 형식적 특징으로 AI가 생성한 한국어 시를 판별하고, 이 특징을 활용해 인간 창작시의 형식에 가까운 생성을 유도하는 방법을 제시했다. 

'Align, Don’t Fuse'는 사용자 행동에서 얻은 선호 관계의 구조를 보존하면서 언어모델의 의미 정보를 정렬하는 ‘SPA’를 제안해, 사용자가 특정 항목을 선호할지 예측하는 성능을 높였다. 

'Not Safe for All'은 같은 의미의 요청이라도 영어 방언 표현에 따라 이미지 생성 AI의 안전 필터가 다르게 반응하는 편향을 분석하고, 방언별 학습 데이터 노출의 균형을 맞추는 방식으로 이를 완화할 수 있음을 보였다. 

김영빈 교수는 “이번 성과는 연구진이 AI의 효율성과 안전성, 신뢰성을 높이기 위한 다양한 문제를 꾸준히 탐구한 결과”라며 “앞으로도 실제 사용 환경에서 나타나는 오류와 편향을 줄이고, AI를 더 유용하게 활용할 수 있는 연구를 이어가겠다”고 밝혔다. 

이창재 첨단영상대학원장은 “연구진이 다양한 AI 연구 주제에 도전해 국제학술대회에서 성과를 거둔 것을 뜻깊게 생각한다”며 “앞으로도 대학원생들이 독창적인 연구를 이어가고 국제무대에서 성장할 수 있도록 지원하겠다”고 말했다.

- 채택 논문 및 참여 연구진

논문의 정식 제목과 전체 저자 명단은 다음과 같다.

01   CIKM 2026 / Full Research Paper / Oral

RI-Prune: Relation and Information Aware Visual Token Pruning for Multi-Image Vision-Language Models

Dongjin Lee, Eunju Lee, Jinhee Jang, Yoonji Lee, Youngbin Kim

02   CIKM 2026 / Short Paper

Beyond One-Shot Expansion: Contrastive Evidence Exploration for Adaptive Multi-Hop Retrieval

Jungmin Yun, Youngbin Kim

03   EMNLP 2026 / Main Conference

Beyond Safe Answers: Segment-Aware Listwise Alignment for Reasoning Safety in Large Reasoning Models

Jungmin Yun, Junehyoung Kwon, Hayeong Ryu, Byeonggeuk Lim, Hoejoon Kwon, Youngbin Kim

04   EMNLP 2026 / Main Conference

ALTSTEER: Selective Safety Steering for Moving Beyond Hard Refusals to Constructive Alternatives

Hoejoon Kwon, Byeonggeuk Lim, Kahyeon Kim, YoungBin Kim

05   EMNLP 2026 / Findings

Don’t Count the Edits, Judge by the Outcome Alone: Reward-Based Evaluation for Grammatical Error Correction

Hayeong Ryu, Sunhee Jo, Seunguk Yu, YoungBin Kim

06   EMNLP 2026 / Findings

Look Before You Leap: Factual Decoding with Internal Attribution Signals

Hayeong Ryu, JungMin Yun, Byeonggeuk Lim, Sunhee Jo, YoungBin Kim

07   EMNLP 2026 / Findings

Detecting and Guiding LLM-Generated Korean Poetry with Interpretable Form-level Features

Keunhyeung Park, Seunguk Yu, YoungBin Kim

08   EMNLP 2026 / Findings

Align, Don’t Fuse: Structure-Preserving Alignment of Collaborative and Semantic Signals for LLM-Enhanced Recommendation

Jooweon Choi, MiHyeon Kim, Eunju Lee, JuneHyoung Kwon, YoungBin Kim

09   EMNLP 2026 / Findings

Not Safe for All: Auditing the Dialect Penalty in Text-to-Image Safety Pipelines

Minkyu Kim, Juhwan Choi, YoungBin Kim