[NAIRL Tech Horizon] NeurIPS 2025와 AAAI 2026

Author

김덕수

Post Date

April 28, 2026

NeurIPS 2025와 AAAI 2026을 통해 본 최근 AI 연구 동향과 국가AI연구거점의 연구 성과

1. NeurIPS 2025와 AAAI 2026 개요

NeurIPS 2025와 AAAI 2026은 최근 AI 연구의 흐름을 가장 선명하게 보여준 국제학술행사였다. 두 학회는 모두 대규모 논문 제출과 엄격한 심사, 폭넓은 세부 트랙을 바탕으로 전 세계 AI 연구의 핵심 의제를 이끌고 있다. 동시에 이들 학회는 단순한 발표의 장을 넘어, AI 기술이 어디까지 확장되고 있으며 어떤 문제를 해결해야 하는지를 보여주는 지표가 되고 있다.

NeurIPS 2025는 약 2만 6천 명이 등록한 세계 최대 규모의 AI 학술행사 중 하나로, 총 2만 1,575편의 논문이 제출되고 5,290편이 채택돼 약 24.5%의 채택률을 기록했다(media.neurips.cc/Conferences/NeurIPS2025/press/NeurIPS2025-Fact_Sheet.pdf). 행사는 2025년 11월 30일부터 12월 7일까지 미국 샌디에이고와 멕시코 멕시코시티를 중심으로 운영됐으며, 87편의 구두 발표와 5,290편의 포스터 발표, 다양한 튜토리얼·워크숍·엑스포 프로그램이 함께 진행됐다. 특히 이번 학회에서는 대규모 언어모델, 확산모델, 강화학습, 스케일링 법칙, 데이터·벤치마크 평가체계 고도화가 핵심 연구 흐름으로 부각되며, AI 연구가 성능 경쟁을 넘어 이론·평가·책임성까지 확장되고 있음을 보여줬다.

AAAI 2026은 2026년 1월 20일부터 27일까지 싱가포르 EXPO에서 열린 제40회 AAAI 학회로, 세계적인 AI 연구자와 산업계가 함께 참여하는 대표 인공지능 국제학술대회다. 공식 자료에 따르면 메인 테크니컬 트랙에는 약 2만 9천 편의 논문이 제출됐는데, 이 가운데 약 2만 3천 편이 형식 요건과 연구윤리 기준 등을 충족해 본격적인 학술 심사를 받았다(https://aaai.org/conference/aaai/aaai-26/review-process-update/). 학회는 메인 테크니컬 트랙 외에도 AI Alignment, AI for Social Impact, Journal Track, Emerging Trends, IAAI, EAAI 등 다양한 프로그램으로 구성됐으며, 워크숍·튜토리얼·포스터·데모·산업 세션·전시 프로그램이 함께 운영됐다. 특히 AAAI 2026은 ‘bridges’를 핵심 기조로 내세워, AI 정렬, 사회적 영향, 책임 있는 AI, 학제 간 연결과 산업 확산을 강조함으로써 AI 연구가 기술 성능을 넘어 사회적 가치와 실제 활용 중심으로 확장되고 있음을 보여줬다.

2. 국가AI연구거점의 NeurIPS 2025 발표 논문 현황

3. 국가AI연구거점의 NeurIPS 2025 성과

국가AI연구거점의 NeurIPS 2025 성과는 연구 영역의 다양성과 문제의식의 깊이라는 두 측면에서 의미가 크다. 제출 논문들은 생성모델, 강화학습, 비전, 에이전트, 안전성, 프라이버시, 해석 가능성처럼 AI 시스템의 핵심 층위를 고르게 포괄하고 있으며, 개별 기술의 성능 경쟁을 넘어 실제 환경에서의 활용 가능성과 신뢰성 확보를 주요 과제로 다루고 있다.

특히 DPAIL은 확산정책 기반 모방학습의 안정성과 표현력을 동시에 확보하였고, SoftREPA는 정렬 문제를 보상모델 중심 미세조정이 아니라 표현 정렬 관점에서 재해석하였다. Blockwise Flow Matching은 고품질 생성을 유지하면서도 추론 비용을 낮추는 효율적 구조를 제안하였으며, Web-Shepherd는 웹 에이전트의 단계별 행동을 평가하는 과정 보상모델을 통해 에이전트 검증 체계의 중요성을 부각시켰다. SAFEPATH는 유해 추론 경로를 초기에 차단하는 정렬 전략을 제시하였고, 프라이버시 보호 연구는 이미지 수준 방어를 넘어 모델 자체를 방어 대상으로 삼는 실용적 접근을 제안하였다. 이러한 연구는 국가AI연구거점이 차세대 AI 시스템의 핵심 기술 기반을 폭넓게 축적하고 있음을 보여준다.

4. NeurIPS 2025 제출 논문으로 본 기술 흐름

NeurIPS 2025의 핵심 흐름은 생성모델의 역할이 특정 응용기술을 넘어 AI 시스템 전반의 공통 기반 기술로 확장되고 있다는 점이다. Diffusion 및 Flow 계열 모델은 기존의 이미지 생성 중심 활용에서 벗어나 정렬, 추론 효율화, 이산 생성 이론, 로봇 제어, 웹 에이전트 평가, 프라이버시 보호 등 다양한 영역으로 적용 범위를 넓히고 있다. 이는 생성모델이 더 이상 단일 응용 기술이 아니라 차세대 AI를 구성하는 핵심 인프라로 자리 잡고 있음을 시사한다.

첫째, 생성모델 연구는 정렬과 효율의 동시 달성을 주요 과제로 제시하고 있다. SoftREPA와 Blockwise Flow Matching은 생성 품질뿐 아니라 비용 절감, 배포 효율성, 정렬 성능을 함께 고려하는 방향으로 연구의 초점이 이동하고 있음을 보여준다. 이는 AI 경쟁력이 단순한 모델 대형화보다 제한된 자원 안에서 얼마나 정교하게 성능을 구현할 수 있는가로 재편되고 있음을 의미한다.

둘째, 생성모델은 행동정책과 의사결정 메커니즘으로 확장되고 있다. DPAIL, State-Covering Trajectory Stitching, Generative Behavior Cloning, FairDICE 등은 확산모델을 단순한 생성기가 아니라 정책모델과 플래너로 활용함으로써, 로봇 및 자율 시스템에서의 활용 가능성을 구체화하였다. 이는 생성모델이 실제 세계에서 행동하는 AI의 핵심 엔진으로 발전하고 있음을 보여준다.

셋째, 에이전트 연구에서는 행동 생성보다 평가와 검증 체계의 중요성이 더욱 부각되고 있다. Web-Shepherd와 Automated Model Discovery는 에이전트의 경쟁력이 정책모델 자체보다 이를 검증하고 신뢰할 수 있도록 만드는 평가 인프라에 의해 좌우될 수 있음을 보여준다. 향후 에이전트 AI의 차별성은 행동 생성 능력 그 자체보다 평가 체계와 검증 방법론의 정교성에서 결정될 가능성이 높다.

넷째, 안전성, 프라이버시, 해석 가능성은 AI 기술 경쟁력의 핵심 요소로 부상하고 있다. SAFEPATH, robust memorization, ViT 해석 연구, anti-personalized diffusion 연구 등은 고성능 모델을 넘어, 안전하고 통제 가능하며 설명 가능한 모델을 구축하는 것이 중요한 경쟁력이 되고 있음을 시사한다. 이는 향후 AI 기술의 신뢰성과 사회적 수용성을 좌우하는 핵심 조건이기도 하다.

종합하면, NeurIPS 2025는 생성모델이 이미지 생성 기술을 넘어 정렬, 정책, 평가, 안전성까지 포괄하는 공통 인프라로 진화하고 있음을 확인시켜 준 학회였다.

5. 국가AI연구거점의 AAAI 2026 발표 논문 현황

6. 국가AI연구거점의 AAAI 2026 성과

국가AI연구거점 연구진의 논문 10편은 생성형 비전·확산모델의 효율·제어·정렬, 그래프 학습의 장거리 의존성·범용화, 안전·프라이버시 평가, 뇌-시각 정렬이라는 네 개의 축으로 요약된다. 이는 NeurIPS에서 드러난 생성·안전 중심의 연구 역량이 AAAI에서는 더 넓은 응용과 시스템 문제로 확장되고 있음을 보여준다.

대표 논문으로는 저장공간 문제를 크게 줄인 4D Scaffold Gaussian Splatting, 장거리 메시지 전달을 효율적으로 구현하는 Fractal Nodes, 합성 그래프 priors 기반의 NodePFN, strong unlearning을 위한 정보이론 기반 평가 지표 IDI, 효율적인 테이블 이해 모델 TabFlash, 뇌-시각 정렬을 위한 HyFI, 확산모델 정렬을 재고한 Rethinking DPO, 산업 이상 합성을 위한 CHIMERA, 단일 영상 카메라 경로 편집을 위한 Vid-CamEdit, 그래프 노드 분류용 Posterior Label Smoothing 등이 있다. 이는 연구거점이 생성모델뿐 아니라 그래프, NeuroAI, 평가기술까지 아우르는 폭넓은 문제의식을 갖고 있음을 보여준다.

7. AAAI 2026 제출 논문으로 본 기술 흐름

AAAI 2026의 가장 두드러진 특징은 AI 연구의 중심축이 개별 모델의 성능 경쟁에서, 현실적 제약을 고려한 구조 설계와 응용 지향적 기술 개발로 이동하고 있다는 점이다. 생성형 비전, 그래프 학습, 테이블 이해, 언러닝 평가, NeuroAI 등 세부 분야는 상이했으나, 전반적으로 계산 효율성, 데이터 희소성 대응, 평가 신뢰성 제고, 일반화 가능성 확보라는 공통 과제가 연구 전반을 관통하였다.

첫째, 생성형 비전 기술의 실용화가 뚜렷하게 나타났다. 4D Scaffold Gaussian Splatting은 동적 장면 재구성의 저장 비용을 줄이면서도 품질을 유지하는 방향을 제시하였고, Vid-CamEdit은 기하 추정과 생성 렌더링의 결합을 통해 단일 영상 기반 시점 편집의 가능성을 확장하였다. CHIMERA는 산업 이상 탐지에서 가장 큰 제약인 데이터 부족 문제를 제어 가능한 이상 합성 방식으로 대응함으로써, 생성형 비전이 시연 중심 단계를 넘어 실제 산업 수요와 접속하고 있음을 보여주었다.

둘째, 정렬 연구의 고도화가 확인되었다. Rethinking DPO는 확산모델 정렬을 단순 선호 최적화가 아니라, 탐색 부족과 timestep별 학습 불균형이라는 학습 동역학의 문제로 재구성하였다. 이는 정렬이 후처리 기술이 아니라 학습 전반을 설계하는 핵심 요소로 이동하고 있음을 시사한다. 향후 생성형 AI의 경쟁력은 성능 자체뿐 아니라 정렬을 얼마나 체계적으로 구현하느냐에 의해 크게 좌우될 것으로 보인다.

셋째, 그래프 학습 분야에서는 구조적 재설계와 일반화 지향성이 강화되었다. Fractal Nodes는 장거리 메시지 전달과 over-squashing 문제를 기존 MPNN의 효율성을 유지하면서 해결하고자 하였고, Posterior Label Smoothing은 라벨 스무딩을 그래프 통계 기반의 사후확률 문제로 재해석하였다. 또한 NodePFN은 그래프별 재학습 없이 범용 노드 분류를 지향함으로써 그래프 학습의 확장 가능성을 높였다. 이는 그래프 연구가 단순한 모델 대형화보다 효율성과 구조적 일반화 확보로 이동하고 있음을 보여준다.

넷째, 평가 체계의 정밀화와 검증 가능성 확보가 중요한 연구 축으로 부상하였다. 언러닝 연구에서 제안된 IDI는 출력 기반 평가가 놓치기 쉬운 중간 표현층의 잔존 정보까지 측정하려는 시도로, 안전성, 프라이버시, 규제 대응의 중요성이 높아질수록 무엇을 얼마나 완전하게 삭제했고 그 결과가 얼마나 신뢰할 수 있는지를 정량적으로 입증하는 기술의 필요성이 커지고 있음을 보여준다. 향후 평가 지표와 검증 방법론 자체가 핵심 연구 성과로서 더 큰 비중을 차지할 것으로 전망된다.

다섯째, 멀티모달 정렬은 표현공간 설계의 문제로 진화하고 있다. HyFI는 뇌신호와 시각 특징 간 정렬을 단순 매핑이 아니라 표현공간의 기하학적 구조 설계 문제로 접근하였다. 이는 멀티모달 AI의 경쟁력이 단순한 데이터 결합 규모보다 서로 다른 모달리티의 표현 구조를 얼마나 정교하게 통합하고 정렬할 수 있는가에 달려 있음을 시사한다.

종합하면, AAAI 2026은 AI 연구가 더 큰 모델을 만드는 경쟁에서 벗어나, 효율성, 신뢰성, 일반화 가능성, 실제 적용성을 동시에 확보하는 방향으로 전환되고 있음을 보여준 학회로 평가할 수 있다.

8. 맺음말

NeurIPS 2025와 AAAI 2026은 최근 AI 연구의 중심이 더 큰 모델 경쟁에서 벗어나, 더 정교하게 정렬되고 더 효율적이며 더 신뢰할 수 있는 시스템을 구축하는 방향으로 옮겨가고 있음을 시사한다. 생성모델은 이미지 생성을 넘어 행동정책, 비디오 편집, 산업 응용, 프라이버시 보호 등으로 빠르게 확장되고 있으며, 그래프·멀티모달·안전성 연구 또한 범용성과 검증 가능성을 축으로 진화하고 있다.
이러한 흐름 속에서 국가AI연구거점은 생성, 추론, 행동, 시각, 그래프, 정렬, 안전, 평가를 아우르는 폭넓은 연구 포트폴리오를 바탕으로 차세대 AI 시스템의 핵심 기반을 착실히 축적하고 있다. 이는 국가 차원의 AI 연구 허브로서 기술적 선도성은 물론, 응용 확장성과 공공적 책임성을 함께 갖춘 연구 생태계를 구축해가고 있음을 의미한다.

*이 기사는 생성형AI의 도움을 받아 작성되었습니다.