학계 ‘확산형 언어모델’ 연구가 대세…ICML 2026 핵심 의제는? 작성일 07-12 16 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">확산모델·안전성 부상…국내 기업도 기술 논문·산업 적용 사례 공개</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="Xxo9vjgRWB"> <figure class="figure_frm origin_fig" contents-hash="b04c7c22a2abf13ca72cc8f651c2ef3224e9f5129bf103218c02a55ae3c2bc1f" dmcf-pid="ZMg2TAaeyq" dmcf-ptype="figure"> <p class="link_figure"><img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202607/12/552796-pzfp7fF/20260712090014382evhr.png" data-org-width="640" dmcf-mid="HFGk25HlTb" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202607/12/552796-pzfp7fF/20260712090014382evhr.png" width="658"></p> </figure> <p contents-hash="c5f48dca4e7f838c45a9956f05f93e0ca57d241b99ace2747c41c4b4f1ba0147" dmcf-pid="58JqCoiPvz" dmcf-ptype="general">[디지털데일리 오병훈기자] 인공지능(AI) 연구의 무게중심이 단순한 ‘모델 규모 경쟁’에서 ‘효율적 추론’과 ‘신뢰성·안전성’으로 이동하고 있다. 서울에서 개최된 ‘국제머신러닝학회(ICML) 2026’에서는 확산모델(디퓨전모델)과 거대언어모델(LLM) 사후학습, AI 안전성, 월드모델 등이 주요 의제로 부상했다.</p> <p contents-hash="e424170eb9ca18d4899aff13cec9aae5e8b8c3b0e889f8f62000dbcc72253d53" dmcf-pid="16iBhgnQl7" dmcf-ptype="general">제43회 ICML은 지난 6일 개막해 11일까지 서울 코엑스에서 진행됐다. 올해는 ▲트랜스포머 이후 시퀀스 모델 ▲확산모델의 정량·이론적 이해 ▲안전성·머신 언러닝·워터마킹 ▲심층 강화학습 ▲LLM 사후학습과 테스트타임 학습 등 다양한 주제를 두고 세계 석학들이 의견을 주고받았다.</p> <p contents-hash="7f4dc0770482e5ab5fdd4479348f31afca3ed36dd64b2c740f3f5bdabfdcea18" dmcf-pid="tPnblaLxvu" dmcf-ptype="general">ICML은 신경정보처리시스템학회(NeurIPS), 국제표현학습학회(ICLR)와 함께 세계 3대 AI 학회로 꼽힌다. 엄격한 동료평가를 거쳐 선정된 머신러닝 분야의 최신 연구가 발표되는 대표적인 국제 학술대회다.</p> <p contents-hash="5c8310b937747d5ac99e6eb8ebe49106485c8a83ac87582d8b19792fb2e7de91" dmcf-pid="FQLKSNoMCU" dmcf-ptype="general"><strong>◆‘이미지 생성’에 주로 활용되던 디퓨전, ‘언어 추론’ 대안으로</strong></p> <p contents-hash="2e30f183968a0dccb2f8808a38bd5fb24a89c3b8443860cd67fc5e95b500ef8e" dmcf-pid="3xo9vjgRTp" dmcf-ptype="general">올해 최우수 논문상 2편은 모두 ‘확산모델(디퓨전 모델)’을 다뤘다. 확산모델은 무작위 잡음을 단계적으로 제거하며 데이터를 생성하는 방식으로 이미지 분야에서 주로 활용돼왔다. 최근에는 문장 속 여러 토큰을 동시에 고치는 ‘확산형 언어모델(dLLM)’로 영역을 넓히며 한 토큰씩 생성하는 자기회귀형 LLM의 대안으로 주목받고 있다는 설명이다.</p> <p contents-hash="636bd389cdb316de2751582f0e88f7c4772b8fd1ad1c5acb745d2196f765f043" dmcf-pid="0Mg2TAaev0" dmcf-ptype="general">먼저 ‘유연성의 함정(The Flexibility Trap)’이라는 이름의 논문에서는 확산형 언어모델의 대표적인 장점으로 꼽혀온 ‘자유로운 토큰 생성 순서’에 근본적인 질문을 던졌다.</p> <p contents-hash="fc1faa89848cf2a458e68e152c59d861d194984356140061c7281df566a139a8" dmcf-pid="pRaVycNdv3" dmcf-ptype="general">통상적으로 활용되는 ‘자기회귀형 언어모델’은 앞서 생성한 토큰을 바탕으로 다음 토큰을 하나씩 예측하면서 문장을 단어 전개 순서(오른쪽에서 왼쪽) 순차적으로 생성한다. 반면 확산형 언어모델은 여러 위치의 토큰을 동시에 수정하거나 신뢰도가 높은 부분부터 생성할 수 있어 빠른 병렬 생성이 가능한 기술로 주목받아 왔다.</p> <p contents-hash="a2c9fcc364c7483018fbd1c3f34ab943105af350c7717307deb12e75c0628e10" dmcf-pid="UeNfWkjJyF" dmcf-ptype="general">연구진은 복잡한 추론 문제에서 확산형 언어모델의 자유로운 토큰 생성 순서가 오히려 약점으로 작용할 수 있다고 분석했다. 모델이 정답을 좌우하는 불확실성 높은 ‘갈림길 토큰(forking token)’을 우회하면서 추론 경로와 답변의 다양성이 줄어들 수 있다는 것이다. 이에 강화학습 단계에서는 기존 자기회귀형 언어모델을 적용하고 실제 추론 단계에서 확산형 언어모델을 사용하는 ‘저스트GRPO(JustGRPO)’ 방식을 제안했다.</p> <p contents-hash="48f9d99fd0b3ac63574bae743fa1ca9c17e26669c299cdbb6cf382d747f34e1a" dmcf-pid="udj4YEAiCt" dmcf-ptype="general">또 다른 최우수 논문은 ‘고정확도 샘플링’과 관련된 논문이다. 연구진은 확산모델이 높은 정확도의 결과물을 만들기 위해 필요한 반복 연산을 이론적으로 줄일 수 있는 방법을 제시했다.</p> <p contents-hash="ebe9b90c7a3a31c80c92f637179310454f2048fb30b32111a4424916ea129044" dmcf-pid="79xprdMVh1" dmcf-ptype="general">기존 방식에서는 목표 오차를 줄일수록 연산 단계가 급증하는 문제가 있었다. 연구진이 제안한 ‘1차 거절 샘플링(FORS)’을 활용하면 필요한 점수함수 평가 횟수를 크게 줄일 수 있다는 분석이다. 확산모델 실용화를 가로막았던 속도와 비용 문제를 이론적으로 개선할 가능성을 제시했다는 평가를 받았다.</p> <p contents-hash="8abf015138c013621600251e7d659bb3be643afa7326d54e79862c91bbadab75" dmcf-pid="z2MUmJRfC5" dmcf-ptype="general"><strong>◆AI 안전장치도 속일 수 있다…정렬 기술의 양면성 부각</strong></p> <p contents-hash="9ed5de3413518a4544ea4b3e5cb5bfc74ee10493f1bd19014f00bfcf574965e0" dmcf-pid="qVRusie4yZ" dmcf-ptype="general">AI 안전성 기술도 핵심 화두로 떠올랐다. ‘최우수 논문 가작’에는 ‘은폐 지도(The Obfuscation Atlas)’를 주제로 한 논문이 선정됐다. 거짓말 탐지기를 활용해 AI를 정직하게 훈련하는 방식이 오히려 모델의 탐지 회피 능력을 키울 수 있는지를 분석한 것이 핵심이다.</p> <p contents-hash="e779d52183ff447cddcd767c3459fe79478416bb27ebe735900eae7ecf0032eb" dmcf-pid="Bfe7Ond8SX" dmcf-ptype="general">연구진은 AI가 코딩 문제에서 실제 정답을 찾는 대신 평가용 테스트에만 적합한 코드를 작성하는 ‘보상 해킹’ 환경을 구축했다. 이후 모델 내부의 활성값을 분석하는 거짓말 탐지기를 적용해 훈련한 결과 모델이 정직해지는 경우뿐 아니라 기만적인 답변을 유지하면서 내부 신호만 바꾸거나 행동 전략 자체를 은폐하는 현상도 관찰했다. 즉 AI 구조에 따라 안전장치(가드레일)도 회피하는 것이 가능하다는 뜻이다.</p> <p contents-hash="395be5f8ced8d57e802d7b16fcbb41ecd8eb45c9152f5db221dfaa1f2ee4ca25" dmcf-pid="b4dzILJ6SH" dmcf-ptype="general">‘최우수 관점 논문’으로 선정된 논문은 ‘검열자의 도구 생성’을 주제로 삼았다. AI 정렬 기술이 권력기관이나 기업의 검열 도구로 활용될 수 있다는 위험을 제기했다. 유해한 답변을 차단하고 특정 가치에 맞게 모델을 조정하는 기술이 사회적 안전을 높일 수도 있지만 누가 기준을 설정하느냐에 따라 정당한 정보와 의견까지 통제하는 기술로 전환될 수 있다는 지적이다. AI 안전 기술 자체에도 이중용도 위험을 고려한 설계와 감시가 필요해졌다는 의미다.</p> <p contents-hash="eed17e4a10dd7aa9455ad4f5959a1d529431b11f4ed673079ad662feffdcb544" dmcf-pid="K8JqCoiPTG" dmcf-ptype="general"><strong>◆한국 기업들, 메인 트랙부터 안전성·법률 AI까지 존재감</strong></p> <p contents-hash="34c302fe9dbf3de93e9f3809673dde27a629d53daf47630488929384d6a45d37" dmcf-pid="96iBhgnQvY" dmcf-ptype="general">한국 기업들도 학술회 메인 트랙과 분야별 워크숍에서 연구 성과를 발표하고 산업 적용 사례를 선보였다.</p> <p contents-hash="bc4e378c59abd64260640b86884b877a441856e5bc5738c34a7f51d3a4d2d91e" dmcf-pid="2PnblaLxWW" dmcf-ptype="general">트릴리온랩스가 공개한 논문 ‘생성형 시각 코드 모바일 월드모델: 지월드(gWorld)’는 메인 트랙에 채택됐다. 지월드는 AI 에이전트가 행동한 뒤 나타날 모바일 화면을 픽셀 이미지가 아닌 실행 가능한 HTML·CSS 코드로 예측하는 기술이다.</p> <p contents-hash="b6f905b72a157aceac8a1399e3fb7394a8496d4439e610650cf08cd7d2e1e811" dmcf-pid="VQLKSNoMvy" dmcf-ptype="general">예측한 코드를 실제로 구동해 다음 화면이 정상적으로 작동하는지 확인할 수 있다. 이는 에이전트가 결제나 예약·삭제 등의 행동을 수행하기 전에 결과를 검증하는 모바일 디지털 트윈으로 활용할 수 있다는 것이 회사 측 설명이다.</p> <p contents-hash="888b385f3a7bd24536f5410704c197fa7d78ea3707bb4414eb54402f5920f110" dmcf-pid="fRaVycNdyT" dmcf-ptype="general">LG AI 연구원은 논문 14편과 자사 주요 모델 엑사원(EXAONE) 산업 적용 사례를 공개했다. 신소재 생성 기술은 ‘르맷-젠벤치(LeMat-GenBench)’ 지표에서 종합 2위를 기록했다는 것이 회사 측 설명이다. 현장에서는 탈모 관리 신소재 ‘람시딜’, 한국과 미국 상장 종목 약 8000개를 분석하는 금융 AI 에이전트 ‘엑사원 BI’, 데이터 생산성을 최소 1000배 높였다는 ‘엑사원 데이터 파운드리’를 선보였다.</p> <p contents-hash="7730aa543cecbdaad5f4e0198cde86dac0c0709c864382f928cfe591992681aa" dmcf-pid="4eNfWkjJvv" dmcf-ptype="general">셀렉트스타는 ‘AIWILD 워크숍’에서 1편, ‘컬처×AI(Culture×AI) 워크숍’에서 2편 등 AI 안전성 논문 3편을 발표했다. 논문들은 영어권 데이터를 단순 번역한 평가 방식의 한계를 지적하고, 국가와 문화권별 위험을 반영한 레드티밍 데이터와 한국의 법·제도, 사회규범을 반영한 안전 정렬 데이터 구축 방안을 다뤘다.</p> <p contents-hash="92557009eca35daa1a234e7f53be5908a442fafd8c4386ec2f6dbbe340277b9c" dmcf-pid="8dj4YEAiyS" dmcf-ptype="general">로앤컴퍼니는 ‘AI 포 로(AI4Law) 워크숍’에서 ‘AI가 LSAT(북미 로스쿨 시험) 만점을 달성하다’를 주제로 발표했다. 8개 AI 모델을 미국 로스쿨 입학시험으로 평가한 결과 딥시크-R1(DeepSeek-R1)과 키미 K2 싱킹(Kimi K2 Thinking)이 180점 만점을 기록했다.</p> <p contents-hash="d5cd47797fbcf41cc58fbf93ef01a2f0b129f495d3989d1dd536bafd13f949ce" dmcf-pid="6JA8GDcnhl" dmcf-ptype="general">구체적으로 법률 전문가가 추론의 각 단계를 채점하는 프로세스 보상 모델을 활용하자 소형 증류 모델의 정확도는 51.9%에서 63.6%로 11.7%포인트 상승했다. 최종 답변뿐 아니라 답을 도출하는 중간 추론 과정의 정밀성이 법률 AI 성능을 좌우할 수 있다는 분석이다.</p> </section> </div> <p class="" data-translation="true">Copyright © 디지털데일리. All rights reserved. 무단 전재 및 재배포 금지.</p> 관련자료 이전 [스포츠박사 기자의 스포츠용어 산책 1841] 바둑에서 왜 ‘일거양득’이라 말할까 07-12 다음 박윤영 KT 대표 "AX 시대, 정보보호는 고객과 기본적인 약속" 07-12 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
