팀네이버, 세계 최고 권위 AI 학회 ‘뉴립스 2025’서 논문 10편 채택

[이데일리 김현아 기자] 팀네이버(NAVER(035420))가 세계 최고 권위의 인공지능 학회 ‘NeurIPS 2025(뉴립스 2025)’에서 총 10편의 논문이 채택되는 성과를 거뒀다.

초거대 AI ‘하이퍼클로바X’를 포함한 네이버의 핵심 AI 기술을 국제 무대에서 공개하며 글로벌 기술력을 다시 한번 입증했다.

팀네이버는 올해 뉴립스에서 ‘From Research to Reality’를 주제로, 리서치부터 초거대 모델, 서비스 AI, 산업 특화 버티컬 서비스로 이어지는 자사의 AI 풀스택 전략을 세계 연구자들에게 소개했다.

네이버클라우드 관계자가 해외 AI 연구자들에게 팀네이버의 AI 경쟁력을 소개하고 있다. 사진=네이버클라우드

이번에 채택된 10편의 논문은 AI 기술을 실제 서비스와 산업 환경에 효율적이고 안전하게 적용하기 위한 연구에 초점을 맞췄다. 주요 분야는 초거대 AI 효율화(Efficiency), 생성형 AI 안전성·제어(Controllability & Safety), 물리·로보틱스 확장(Physical AI) 등 3개다.

거대언어모델(LLM)효율화 연구에서는 긴 문맥 처리 시 중요한 정보를 선택적으로 압축해 메모리를 최대 4배 절감하면서 속도를 2배 향상시키는 캐시 압축 기술, 복잡한 사고 과정(CoT)에서 불필요한 중간 단계를 제거해 연산 효율을 높인 연구 등이 발표됐다.

생성형 AI 안전·제어 연구도 주목을 받았다. 대화형 검색 환경에서 콘텐츠 품질을 평가할 수 있는 새로운 벤치마크, 사용자의 의도를 더 정교하게 반영하는 텍스트 임베딩 기술, 모델 재학습 없이 유해 콘텐츠 생성을 억제하는 안전 제어 기술 등이 포함됐다.

물리 세계로의 확장 연구 역시 소개됐다. 시간적 연속성이 중요한 로봇 및 비디오 환경에서 장면 정보를 병목 토큰으로 압축해 학습 효율을 높이는 구조, 로봇이 변화하는 공간을 기억하고 스스로 경로를 탐색할 수 있도록 돕는 모델 등이다.

팀네이버는 연구 발표와 함께 글로벌 네트워크 확장에도 적극적으로 나섰다. 뉴립스 기간 동안 2만9000명이 넘는 AI 연구자가 참석한 가운데 통합 부스를 운영해 연구 성과 및 기술을 공개했고, ‘Meet the NAVER AI Team’ 밋업을 열어 국내외 연구자 80여 명과 기술 비전을 공유했다.

네이버클라우드 관계자는 “논문 채택률이 약 25%에 불과한 NeurIPS에서 10편의 논문이 채택된 것은 팀네이버의 연구·기술 역량이 세계적으로 인정받았다는 의미”라며 “앞으로도 AI가 실제 서비스와 산업에 구현될 수 있도록 연구 수준을 끌어올리겠다”고 말했다.

한편 NeurIPS는 1987년 시작된 세계 최고 권위의 인공지능·기계학습 학회로, 올해는 미국 샌디에이고에서 12월 2일부터 7일까지 개최됐다.

올해 NeurIPS에서 채택된 10편의 팀네이버 논문 정보

효율적 AI 운용 관련 (Efficiency)

- KVzip: Query-Agnostic KV Cache Compression with Context Reconstruction

- CodeGEMM: A Codebook-Centric Approach to Efficient GEMM in Quantized LLMs

- Exploiting Vocabulary Frequency Imbalance in Language Model Pre-training

- Frequency-Aware Token Reduction for Efficient Vision Transformer

- Less is Not Worse: Effective Reasoning Without Complete Reasoning Chains

생성형 AI 제어 및 안전 관련 (Controllability & Safety)

- C-SEO Bench: Does Conversational SEO Work?

- Diffusion Adaptive Text Embedding for Text-to-Image Diffusion Models

- Training-Free Safe Text Embedding Guidance for Text-to-Image Diffusion Models

물리세계와 로보틱스로의 확장 관련 (Physical AI)

- Token Bottleneck: One Token to Remember Dynamics

- Kinaema: a recurrent sequence model for memory and pose in motion