팀네이버는 ACL이 주관하는 자연어처리 학회 EMNLP 2026에서 논문 24편을 채택시켰다. 이번 연구에는 네이버, 네이버클라우드, 네이버랩스 유럽 등 주요 기술 조직이 참여했다. 주제는 한국어 추론 학습 데이터 구축, 대규모 언어모델의 내부 추론 과정 분석, 장시간 영상 검색, 음성·영상 통합 AI 평가, 경험을 활용하는 AI 에이전트까지 넓게 걸친다. 공통점은 모델 성능 수치 자체보다 실제 개발과 서비스 운영에서 드러나는 문제를 찾아내고, 실패 원인과 학습 효율, 활용 가능성을 함께 다뤘다는 점이다.
대표 연구로는 영어 원문과 작업 합성을 이용해 전문 분야의 한국어 추론 데이터를 만드는 접근이 제시됐다. 의료·보안처럼 한국어 데이터 확보가 어려운 영역에서 다국어 학습의 제약을 완화하려는 시도다. 또 시각 정보를 언어모델에 붙이는 과정에서 기존 텍스트 능력이 약해지는 현상을 분석하고, 학습 전에 손실 가능성을 가늠하는 진단 지표도 제안했다. 장시간 영상 연구는 긴 영상 이해의 병목을 장면 인식과 시간 구간 탐색으로 나눠 봤다. 이는 멀티모달 AI를 평가할 때 인식 능력과 검색 능력을 구분해야 한다는 점을 보여준다.