상단 왼쪽부터) 연세대 응용통계학과 이성균 석사과정 졸업생, 노강준 석박통합과정생, 임성준 박사과정생, (하단 왼쪽부터) 박수빈 석사과정생, 송경우 교수.
연세대학교(총장 윤동섭) 응용통계학과 송경우 교수 연구실 학생 연구자들이 인공지능(AI) 표현학습 및 딥러닝 분야의 세계적 권위의 국제학술대회인 ICLR 2026(International Conference on Learning Representations 2026)에서 논문 4편을 동시에 채택받는 성과를 거뒀다.
특히, 채택 논문 가운데 ‘제한된 피드백을 활용한 준지도 학습 기반 선호도 최적화(Semi-Supervised Preference Optimization with Limited Feedback. 이하, SSPO-
다운
)’는 오럴(Oral) 발표로 선정되며 주목을 받았다. ICLR 오럴 발표는 전체 제출 논문 중 약 1% 내외만 선정되는 최상위 성과로 평가된다.
이번에 채택된 논문은 총 4편으로, 각각 인공지능의 신뢰성과 관련된 핵심 문제를 다루고 있다.
첫째, SSPO 연구(이성균·임성준·박서진·천소은·송경우)는 제한된 인간 피드백만으로도 언어모델이 사용자 선호를 효과적으로 학습할 수 있는 방법을 제시했다. 이는 대규모 데이터 의존도를 낮추면서도 실제 사용자 경험을 반영할 수 있는 접근으로 평가된다.
둘째, ‘신뢰할 수 있는 LLM 응답을 위한 다중 LLM 적응형 등형 추론(Multi-LLM Adaptive Conformal Inference for Reliable LLM Responses, MACI. 노강준·이성찬·김일문·송경우-
다운
)’는 대형언어모델(LLM)의 응답 신뢰도를 정량적으로 검증하는 방법을 제안했다. 이를 통해 AI가 생성하는 정보의 사실성과 안정성을 동시에 확보할 수 있는 기반을 마련했다.
셋째, ‘불확실성 기반 임베딩 컨볼루션(Uncertainty-Driven Embedding Convolution, UEC. 임성준·노강준·최영준·이희영·송경우-
다운
)’은 입력 데이터의 불확실성을 반영해 임베딩 결합 과정의 성능과 안정성을 향상시키는 기술이다. 이는 추천 시스템이나 검색 등 다양한 응용 분야에서 활용 가능성이 높다.
넷째, ‘허위 상관관계 인지 임베딩 정규화(Spurious Correlation-Aware Embedding Regularization, SCER. 박수빈·김주왕·이하경·유선재·송경우-
다운
)’은 데이터 내 우연한 상관관계로 인한 편향 문제를 완화하고, 다양한 환경에서도 안정적으로 작동하는 강건한 모델 설계를 제시했다.
이번 연구 성과는 단순히 모델 성능을 높이는 데 그치지 않고, 실제 환경에서 신뢰할 수 있는 인공지능을 구현하는 데 초점을 맞췄다는 점에서 의미가 크다.
학생 연구진은 인간 선호 반영의 효율성, 언어모델 응답의 사실성, 임베딩 기반 기술의 안정성, 그리고 편향에 강한 모델의 강건성 등 생성형 AI 시대의 핵심 과제를 폭넓게 다뤘다. 이는 최근 AI 연구가 ‘성능 중심’에서 ‘신뢰 중심’으로 전환되고 있음을 보여주는 사례로 평가된다.
연세대 학생 연구진의 이번 성과를 통해 국제 학술무대에서 연구 역량을 입증한 것으로 국내 대학 연구진의 글로벌 경쟁력을 보여주는 대표 사례로, 향후 신뢰 가능한 인공지능 분야에서의 연구 확장 가능성도 높게 평가된다.
업계에서는 이번 연구가 생성형 AI의 실용화 과정에서 필수적인 신뢰성 문제 해결에 기여할 것으로 기대하고 있다.
댓글
0