팀네이버가 세계적 AI 학회 \'ICML 2026\'에서 AI 모델부터 피지컬 AI까지 아우르는 \'AI 풀스택\' 연구 성과와 실서비스 사례를 공개하며 글로벌 AI 기술 경쟁력을 선보였다.

팀네이버 관계자가 해외 AI 연구자에게 팀네이버의 AI 경쟁력을 소개하고 있다. (c)네이버

팀네이버는 지난 6일부터 11일까지 서울 코엑스에서 열린 ICML 2026에 \'Where AI Research Becomes Reality(AI 연구가 현실이 되는 곳)\'를 주제로 참가해 주요 연구 성과와 이를 기반으로 한 실서비스를 공개했다고 13일 밝혔다.

이번에 발표한 연구는 AI 풀스택 기술의 산업 적용을 목표로 ▲AI 안전성 강화 ▲모델·에이전트 운영 효율화 ▲3D 공간 이해와 피지컬 AI 등 세 분야를 중심으로 구성됐다.

가장 주목받은 성과는 대규모언어모델(LLM)의 취약점을 공격자 관점에서 찾아내는 레드티밍 기술이다.

\'스테이블 지플로우넷(Stable-GFlowNet)\'은 기존 방식의 학습 불안정성과 유사 패턴 반복 문제를 개선한 기술로, 전체 채택 논문 가운데 상위 약 2.2%에 해당하는 \'스포트라이트(Spotlight)\' 논문으로 선정됐다.

이 기술은 LLM을 실제 서비스에 적용하기 전 다양한 공격 시나리오를 통해 보안 취약점을 보다 정밀하게 검증할 수 있도록 지원한다.

모델·에이전트 운영 분야에서는 여러 AI 모델을 효율적으로 통합하는 \'시머지(SyMerge)\'를 공개했다.

시머지는 서로 다른 작업에 특화된 모델을 하나로 결합하는 기술로, 하나의 레이어만 조정해도 비전과 자연어처리 등 다양한 벤치마크에서 최고 수준의 성능을 기록했다고 팀네이버는 설명했다.

\'플로우봇(FlowBot)\'도 함께 공개됐다. 여러 AI 에이전트가 협력하는 과정에서 작업 순서를 사람이 설계하지 않아도 AI가 스스로 최적의 협업 절차를 찾아내는 기술이다.

이와 함께 수백~수천 개의 데이터셋을 특성별로 분할 학습한 뒤 단 한 번의 모델 병합만으로 LLM 후공정 성능을 높이는 기술도 소개했다.

3D 공간 이해 분야에서는 흔들리거나 초점이 맞지 않은 단일 카메라 영상만으로 움직이는 3차원 장면을 복원하는 연구 성과를 발표했다.

이 연구는 운동 궤적을 기반으로 물체의 형태를 추정하는 방식을 적용해 기존 기술보다 높은 복원 성능을 구현했다고 설명했다.

부스에서는 실제 서울을 디지털 환경으로 구현한 \'서울 월드 모델(Seoul World Model)\'도 공개했다.

네이버와 네이버랩스, 한국과학기술원(KAIST), 서울대학교가 공동 개발한 서울 월드 모델은 서울 전역의 공간 데이터를 시뮬레이션해 로봇의 경로와 행동을 학습시키는 피지컬 AI 핵심 플랫폼으로 소개됐다.

팀네이버는 이번 ICML 참가를 통해 연구 성과뿐 아니라 이를 실제 서비스와 산업 현장에 적용하는 AI 풀스택 역량을 함께 선보였다고 밝혔다.

ICML은 NeurIPS, ICLR과 함께 세계 3대 인공지능·머신러닝 학회로 꼽히며, 올해는 처음으로 한국에서 개최됐다.