우리 학부 맹성현 명예교수가 효성그룹이 새롭게 설립한 AI융합연구원의 초대 연구원장(부사장)으로 선임되었다. 효성은 2026년 7월 8일, 전사적 인공지능 전환(AX)과 고부가가치 신제품 개발을 이끌기 위해 지주사 산하에 AI융합연구원을 신설하고 맹성현 명예교수를 초대 원장으로 영입했다고 발표했다.

AI융합연구원은 그룹 전반에 AI 기술을 어떻게 접목할지 큰 방향을 설계하는 조직으로, 개별 기술 개발을 담당해 온 기존 효성기술원과 상호 보완적인 역할을 수행하게 된다. 효성은 중공업·섬유·화학 등 오랜 기간 축적해 온 제조업 전문성에 최신 AI 기술을 결합하는 '적용·융합형 연구개발'을 추진하고, 이를 주력 계열사의 신제품 개발과 미래 신사업 발굴을 이끄는 핵심 동력으로 삼겠다는 계획이다. 스마트 팩토리 고도화와 제조 현장 전반의 혁신 문화 조성을 통해 글로벌 '퍼스트 무버(First Mover)'로 도약하겠다는 목표도 함께 제시했다.

맹성현 명예교수는 국내 인공지능 분야를 대표하는 전문가로, 미국 시러큐스대학교 교수를 거쳐 KAIST 전산학부 교수로 재직하며 의미 기반 정보검색, 텍스트 마이닝, 자연어 처리 분야에서 30여 년간 연구를 수행해 왔다. 퇴임 후에는 약 8개월간 효성의 AI 담당 고문으로 활동하며 임직원 대상 AI 역량 강화 특강을 진행하는 등 산업 현장과의 접점을 넓혀 왔다.

이번 선임은 전산학부의 오랜 연구 역량이 산업계의 AI 전환을 이끄는 리더십으로 이어진 사례로, 학계와 산업계를 잇는 우리 학부 구성원의 활약이 계속되고 있음을 보여준다.

관련 기사: 서울경제 – AI융합연구원 띄운 효성…고부가 신제품 개발 속도전 (2026. 7. 8.)

2026년 7월 6일 KAIST 전산학부 윤성의 교수 연구팀의 투명 환경 시각 인식 기술 ‘GLINT’ 논문이 세계 최고 권위 컴퓨터비전 학회 CVPR 2026에서 수상 후보 논문으로 선정됐다.

GLINT 논문의 정식 제목은 ‘GLINT: Modeling Scene-Scale Transparency via Gaussian Radiance Transport’다. 이 논문은 CVPR 2026에서 구두 발표 논문으로 선정됐으며, 6월 5일 발표됐다. 특히 전체 발표 논문 4천여 편 가운데 74편만 선정되는 Award Candidate에 포함됐다. CVPR 구두 발표는 전체 논문 중 약 0.8％만 선정되는 최상위 발표 형식이다. 연구의 독창성과 완성도를 국제적으로 인정받은 결과다.

GLINT는 유리창, 진열장, 쇼윈도처럼 투명한 물체가 포함된 장면을 인공지능이 정확히 이해하도록 하는 기술이다. 기존 AI는 유리 표면에 비친 모습과 유리 뒤 실제 공간을 한 영상 안에서 뒤섞어 인식하는 한계가 있었다. 연구팀은 유리 표면에서 반사되는 빛과 유리를 통과하는 빛을 분리해 모델링하는 방식으로 이 문제를 해결했다.

이번 연구는 네이버랩스와의 협력을 통해 진행됐다. 연구팀은 투명 물체가 포함된 실제 장면을 더 정밀하게 분석하고, 현실 환경에서 작동할 수 있는 3차원 장면 이해 기술의 완성도를 높이는 데 초점을 맞췄다.

이 기술은 투명 물체의 위치와 형태를 파악하는 동시에, 그 뒤에 있는 실제 물체와 공간까지 함께 복원한다. 이를 통해 복잡한 투명 환경에서도 더 정확한 3차원 재구성과 사실적인 장면 복원이 가능해졌다.

GLINT의 성과는 로봇, 자율주행, 디지털 트윈, 증강현실(AR), 혼합현실(MR) 등 실제 환경을 이해해야 하는 분야에서 활용될 수 있다. 유리문이나 유리 진열장처럼 AI가 판단하기 어려웠던 환경을 더 정교하게 인식할 수 있어, 차세대 피지컬 AI 구현을 앞당길 핵심 기술로 평가된다.

윤성의 교수 연구팀은 이번 논문을 통해 AI가 단순히 보이는 영상을 모사하는 단계를 넘어, 현실 세계에서 빛이 반사되고 투과되는 물리적 과정을 이해할 수 있음을 보였다. GLINT의 CVPR 2026 Award Candidate 선정은 KAIST 전산학부의 컴퓨터비전·그래픽스 연구 역량을 국제 학계에 다시 입증한 성과다.

https://arxiv.org/abs/2603.26181

‘로봇 기술 혁신의 미래, 피지컬 AI와 인간의 진화’ 주제로 피지컬 AI 발전 방향 소개
제조·물류·의료·서비스 등 미래 산업 변화와 지능형 로봇

KAIST 전산학부 박대형 교수가 한국연구재단(NRF)이 제작한 「연구자들의 이야기 시즌2」 제4화 ‘로봇 기술 혁신의 미래, 피지컬 AI와 인간의 진화’에 출연해 차세대 인공지능 기술인 피지컬 AI(Physical AI)의 발전 방향과 미래 사회의 변화를 소개했다.

해당 영상은 한국연구재단 공식 유튜브 채널을 통해 공개됐다. 박 교수는 KAIST 전산학부에서 로봇 인공지능, 로봇 학습(Robot Learning), 로봇 조작(Robot Manipulation) 분야를 연구하고 있다.

이번 영상은 생성형 AI를 넘어 현실 세계에서 직접 행동하고 작업을 수행하는 피지컬 AI의 개념과 핵심 기술을 다룬다. 로봇 기술이 산업과 사회에 가져올 변화도 쉽고 흥미롭게 설명한다.

박 교수는 피지컬 AI가 제조, 물류, 서비스, 의료 등 다양한 분야에서 활용될 미래를 전망했다. 로봇이 사람과 협력하며 새로운 가치를 창출하기 위해 해결해야 할 기술적 과제와 연구 방향도 소개했다. 현실 세계에서 물리적 상호작용을 이해하고 학습하는 로봇 AI 기술의 중요성도 강조했다.

영상에서는 세계적으로 빠르게 진행되는 피지컬 AI 경쟁 속에서 우리나라가 확보해야 할 핵심 기술과 연구 전략에 대한 의견도 제시됐다. 이번 출연은 일반 국민에게 최신 AI 및 로봇 기술을 쉽게 전달하고, 미래 사회를 이끌 핵심 기술에 대한 이해를 높이기 위해 마련됐다.

박 교수는 KAIST 전산학부에서 로봇 인공지능, 로봇 학습, 로봇 조작, 피지컬 AI 분야를 연구하고 있다. 대규모 로봇 파운데이션 모델(Robot Foundation Models), 모방학습(Imitation Learning), 강화학습(Reinforcement Learning), 비전-언어-행동(Vision-Language-Action) 모델 등을 활용한 지능형 로봇 기술도 개발하고 있다.

관련 연구는 ICRA, CoRL, RSS, IJRR, RA-L 등 국제 최고 수준의 로봇 학술대회와 학술지에 지속적으로 발표되고 있다. 박 교수는 최근 피지컬 AI와 범용 로봇 지능 구현을 위한 연구도 활발히 수행하고 있다.

영상은 한국연구재단 공식 유튜브 채널에서 볼 수 있다.

영상 링크: https://www.youtube.com/watch?v=AmL0meJwiPg&t=161s
연구실 링크: https://rirolab.kaist.ac.kr/

국가전략 R&D 지원사업 관리·평가 총괄
임기 2년…연구기획·정책자문·성과활용 촉진 담당

문수복 KAIST 전산학부 교수가 한국연구재단 국가전략연구본부장에 선임돼 국가전략 분야 연구개발 지원사업의 기획과 평가를 총괄한다.

한국연구재단은 7월 1일자로 문수복 KAIST 전산학부 교수를 국가전략연구본부장에 선임했다고 밝혔다. 임기는 2년이다.

문 신임 본부장은 앞으로 정부가 위탁한 국가전략 분야 학술 및 연구개발 지원사업의 관리와 평가를 총괄한다. 사업 기획, 중장기 발전방안 제안, 정책 수립과 자문, 예산 배분과 집행, 연구성과 활용 촉진도 맡는다. 분야별 연구수요 발굴, 기술예측, 연구동향 조사와 분석도 주요 업무다.

문 본부장은 서울대학교 컴퓨터공학과를 졸업하고 같은 대학에서 석사학위를 받았다. 미국 매사추세츠대학교 앰허스트 캠퍼스에서 전산학 박사학위를 취득했다.

2003년부터 KAIST 전산학부 교수로 재직하며 분산시스템과 컴퓨터시스템 분야를 연구해 왔다. 2019년부터 2021년까지 KAIST 학술정보원장을 지냈다. 2021년부터 공학한림원 컴퓨팅분과 정회원으로 활동하고 있다.

문 본부장은 2022년부터 지난 6월까지 KB국민은행 사외이사를 맡았다. 올해는 한국정보과학회 회장으로 활동 중이다.

이번 선임은 컴퓨팅 분야 연구자이자 학내외 주요 보직을 거친 KAIST 전산학부 교수의 국가 연구개발 정책 참여라는 점에서 의미가 있다. 문 본부장은 향후 국가전략 R&D 사업의 기획과 평가, 연구성과 확산을 통해 국가 과학기술 경쟁력 강화에 기여할 예정이다.

관련기사

https://www.etnews.com/20260701000138

https://www.dongascience.com/en/news/78714

mmWave 레이더·SAR 알고리즘 활용해 환자 욕창 예방 가능성 제시

KAIST 전산학부 한준 교수 연구팀이 세계 최고 권위의 모바일 컴퓨팅 학술대회인 ‘ACM MobiSys 2026’에서 Best Poster Award를 수상했다.

KAIST 전산학부 사이버-물리시스템 및 보안 연구실(CyPhy Lab)의 한준 교수가 이끄는 연구팀은 지난 6월 21일부터 25일까지 영국 케임브리지 대학에서 열린 ACM MobiSys 2026에서 포스터 논문 ‘Lying Position Monitoring for Immobile Patients via mmWave Imaging’으로 Best Poster Award를 받았다.

ACM MobiSys는 ACM SIGMOBILE이 주관하는 모바일 시스템 분야 최상위 학술대회다. 모바일 컴퓨팅과 무선 시스템, 응용, 서비스 분야의 주요 연구 성과가 발표되는 학회로 평가된다.

수상 연구는 mmWave 레이더와 SAR(합성개구레이더) 알고리즘을 활용해 비접촉 방식으로 환자의 수면 자세를 식별하고 욕창을 예방하는 새로운 모니터링 시스템을 제시했다. 카메라 기반 방식과 달리 시각적 프라이버시 침해 우려가 적고, 신체 부위별 전파 반사 특성을 이용해 소량의 라벨링 데이터만으로도 누운 자세를 높은 정확도로 분류하는 점이 특징이다.

이 기술은 욕창 예방을 위한 스마트 병원 시스템, 중증 환자와 고령자 돌봄 등 다양한 헬스케어 환경에서 활용될 수 있다. 기존 접촉식 센서 기반 시스템의 사용성·유지보수 문제를 줄이고, 환자별 추가 학습 데이터 수집이 필요했던 기존 비접촉 시스템의 한계도 완화할 수 있다는 점에서 실용성과 학문적 기여를 함께 인정받았다.

한준 교수는 “비접촉식 모니터링 기술이 거동이 불편한 환자의 안전을 지키고 보호자와 의료진의 부담을 실질적으로 덜어주는 데 기여하길 기대한다”며 “앞으로 다양한 환경에서 시스템의 강건성을 검증하고 기술을 고도화해 나가겠다”고 밝혔다.

관련 링크
ACM MobiSys 2026 Awards: https://www.sigmobile.org/mobisys/2026/awards/
논문: https://dl.acm.org/doi/10.1145/3812835.3814876

KAIST 전산학부 대학원에서 진행된 연구가 우리 생활과 맞닿은 금융 현장으로 옮겨가, 보이스피싱을 잡는 인공지능(AI)으로 다시 태어났다.

금융보안원과 인터넷전문은행 3사(카카오뱅크·토스뱅크·케이뱅크)는 지난 6월 24일, 국내 최초로 '연합학습' 방식의 보이스피싱 탐지 AI 공동모델을 개발해 오는 7월부터 실제 업무에 적용한다고 밝혔다. 이 AI의 핵심 기술은 KAIST 전산학부 고인영 교수 연구실에서 박사과정을 밟고 있는 박대영 씨가 지난 3년간 수행해 온 금융사기탐지(Financial Fraud Detection) 연구에서 나왔다.

보이스피싱을 잘 잡으려면 사기 거래 사례를 많이 학습한 AI가 필요하다. 하지만 은행이 고객의 금융 거래 정보를 다른 은행과 공유하는 것은 개인정보 보호 때문에 사실상 불가능하다. 이 딜레마를 푼 것이 '연합학습(Federated Learning)'이다. 각 은행은 원본 데이터를 외부에 내보내지 않고, 그 데이터로 똑똑해진 'AI의 노하우'만 한곳에 모아 합치는 방식이다. 데이터는 각자 금고에 두고 실력만 공유하는 셈이어서, 한 은행이 놓친 사기 수법도 다른 은행의 경험을 빌려 잡아낼 수 있다.

박대영 씨가 개발한 기술은 여기서 한 걸음 더 나아간다. 여러 은행의 AI를 무작정 합치면 성능이 떨어지거나 시스템이 무거워질 수 있는데, 그는 각 은행 AI의 구조를 분석해 서로 잘 맞는 부분만 선별하기 위한 유사도 측정 알고리즘과 선별된 부분을 결합하는 새로운 방법을 고안했다. 덕분에 AI를 더 가볍고 빠르게 합치면서도 탐지 성능은 크게 끌어올릴 수 있었다.

성과는 숫자로 확인됐다. 여러 은행의 실력을 합친 공동모델은 기존 개별 AI보다 탐지 정밀도가 최대 205％까지 높아졌다. 실제 시험에서는 정상 계좌로 위장한 자금세탁용 '대포통장'은 물론, 미성년·청년층을 노린 소액 보이스피싱 피해 계좌까지 새롭게 잡아냈다. 기존 시스템이 "금액이 작아서" 그냥 지나치던 거래들이다.

이번 연구는 학계에서도 인정받았다. 박대영 씨의 핵심 기술은 그의 박사학위 논문을 바탕으로 정리돼, 데이터마이닝·AI 분야의 권위 학회인 CIKM 2025와 NeurIPS 2025 워크숍에 잇따라 채택됐다. 후속 연구는 국제 학술지(SCI) 논문으로도 준비 중이다.
공동모델은 7월부터 인터넷은행 3사에서 각 은행의 기존 AI 및 이상거래탐지시스템(FDS)과 함께 가동된다. 금융보안원은 앞으로 시중은행·카드사 등으로 적용 범위를 넓히고, 4분기에는 사기 정보 분석 플랫폼(ASAP)에 이 기술을 실어 제2금융권까지 보이스피싱 방어 능력을 끌어올린다는 계획이다. 대학원생 한 명의 연구가 전 금융권을 지키는 'AI 공동 방어망'으로 자라나고 있는 셈이다.

논문링크 : https://dl.acm.org/doi/abs/10.1145/3746252.3760891
관련기링크 : https://biz.sbs.co.kr/article/20000318508?division=NAVER

KAIST 전산학부 박대형 교수 연구팀이 적은 학습 데이터만으로 로봇의 정밀 작업 성능을 높일 수 있는 인공지능 모델을 개발했다.

KAIST 전산학부 박대형 교수 연구팀은 작업 상황에 따라 로봇이 스스로 움직임의 정밀도를 조절하는 다중 정밀도 조작 모델 ‘디스포(DiSPo)’를 개발했다고 2026년 6월 24일 밝혔다. 이번 기술은 좁은 틈에 부품을 끼우거나 작은 버튼을 누르는 고난도 작업을 적은 데이터만으로 수행할 수 있게 해 정밀 제조, 의료 로봇, 서비스 로봇 분야의 자동화 비용을 낮출 기술로 주목된다.

기존 로봇 인공지능은 나사를 조이거나 부품을 끼우는 정밀 작업을 배우기 위해 사람의 동작을 짧은 시간 단위로 촘촘히 기록한 대규모 데이터가 필요했다. 데이터 수집에는 많은 시간과 비용이 들었다. 사람이 시범을 보이면 인공지능이 이를 학습해 따라 하는 방식도 데이터의 시간적 해상도에 크게 의존했다. 이 때문에 저주파 시연만으로 정밀한 동작을 합성하거나 서로 다른 해상도의 시연을 함께 학습하는 데 한계가 있었다.

(왼쪽) 저주파 시연으로 학습한 기존 모델(Baseline)과 DiSPo의 비교.

연구팀이 개발한 디스포는 인간 손동작을 모방하는 확산 모델과 동작을 실시간으로 부드럽게 이어주는 상태공간 모델을 결합한 기술이다. 로봇은 작업 환경에 맞춰 움직임의 정밀도를 조절할 수 있다. 핵심 기술인 ‘단계 조정 계수’를 활용하면 로봇이 스마트폰 버튼 앞이나 좁은 틈처럼 높은 정밀도가 필요한 구역에 도달했을 때 스스로 움직임을 더 세밀하게 전환한다.

학습 과정도 효율성을 높였다. 연구팀은 데이터를 다양하게 확장하는 사전학습과 로봇이 부족한 데이터를 가상으로 만들어 보완하는 미세조정 과정을 결합했다. 이를 통해 적은 데이터로도 정밀 작업 성능을 끌어올렸다.

성능 검증 결과 디스포는 기존 최첨단 모델보다 작업 성공률을 최대 81％ 높였다. 반경 2.5㎜의 좁은 틈에 부품을 삽입하고 스마트폰의 작은 셔터 버튼을 누르는 작업도 안정적으로 수행했다.

사각링 통과, 버튼 터치, 벨트 체결, 실끼우기 등 DiSPo의 모델 실험

이번 연구는 과학기술정보통신부와 정보통신기획평가원의 ‘복합지능 자율행동체 SW 핵심기술 개발 사업’ 지원으로 수행됐다. 김재철AI대학원 오나영 석사과정생이 제1 저자로 참여했으며, 연구 성과는 2026년 6월 1일 오스트리아 비엔나에서 열린 국제 로봇 및 자동화 학술대회(ICRA 2026)에서 발표됐다.

박대형 교수는 “이번 연구로 로봇이 수행할 수 있는 작업의 범위를 넓힐 수 있을 것으로 기대된다”며 “앞으로도 데이터 수집 비용을 줄이면서 정밀 제조와 의료 등 산업 현장에서 활용할 수 있도록 다양한 실제 환경과 복잡한 작업으로 연구 범위를 넓혀 나가겠다”고 말했다.

관련기사
https://v.daum.net/v/20260624173557664
https://www.etnews.com/20260624000422
https://www.yna.co.kr/amp/view/AKR20260624081900063

KAIST 전산학부 김현우 교수 연구팀의 약지도 사람-물체 상호작용 검출 연구가 컴퓨터비전 분야 최고 권위 국제학술대회인 CVPR 2026에서 Compute Gold Star에 선정됐다.

KAIST 전산학부는 김현우 교수 연구팀의 논문 ‘RegFormer: Transferable Relational Grounding for Efficient Weakly-Supervised Human-Object Interaction Detection’이 CVPR 2026에 채택됐으며, CVPR 2026 Compute Reporting Initiative에서 Compute Gold Star를 수상했다고 2026년 6월 23일 밝혔다.

이번 논문에는 박지환, 양찬형, 박진영, 송태훈, 김현우 교수가 참여했다. Compute Gold Star는 엄정한 컴퓨팅 자원 공개와 우수한 연구 기여를 함께 인정받은 논문에 수여되는 distinguished recognition이다. CVPR 2026 논문 중 약 0.4％에 해당하는 소수의 논문만 이 인정을 받았다.

연구팀은 사람-물체 상호작용 검출, 즉 Human-Object Interaction Detection 문제를 다뤘다. HOI 검출은 이미지 속 사람과 물체 사이의 상호작용을 식별하는 기술이다. 시각 장면 이해 분야의 핵심 과제로 꼽힌다.

기존 완전지도 방식은 이미지 안의 사람과 물체 위치, 그리고 이들 사이의 상호작용 관계를 모두 세밀하게 주석 처리해야 한다. 대규모 데이터셋 구축에는 큰 비용과 시간이 든다. 연구팀은 이 한계를 줄이기 위해 이미지 수준의 약한 지도 정보만으로 사람-물체 쌍의 관계를 효과적으로 추론하는 Relational Grounding Transformer, RegFormer를 제안했다.

RegFormer는 사람과 물체의 관계를 공간적으로 정렬된 표현으로 학습한다. 실제 상호작용이 일어날 가능성이 높은 조합에 집중하도록 설계된 점도 특징이다. 이를 통해 이미지 수준의 약한 지도 정보만으로도 개별 사람-물체 쌍의 상호작용을 효율적으로 추론할 수 있다.

실험 결과 RegFormer는 HICO-DET와 V-COCO 벤치마크에서 기존 약지도 HOI 검출 방법을 뛰어넘는 성능을 보였다. 일부 설정에서는 완전지도 학습 모델에 근접하는 성능도 달성했다. 많은 인스턴스 쌍을 처리해야 하는 HOI 검출 환경에서도 높은 추론 효율성을 보였으며, 기존 방식 대비 최대 128배 빠른 효율성을 확인했다.

이번 CVPR 2026 Compute Gold Star 선정은 RegFormer의 기술적 기여와 함께 연구팀의 책임 있는 연구 수행을 인정한 결과다. 컴퓨팅 자원 사용을 투명하게 보고하려는 노력이 연구 성과와 함께 평가받았다는 점에서 의미가 있다.

관련 코드는 GitHub 저장소(https://github.com/mlvlab/RegFormer)에 공개돼 있다. 연구실 홈페이지는 https://mlv.kaist.ac.kr 이다.

연구 이미지 (AI 생성)

KAIST 전산학부 김민수 교수 연구팀이 기업용 인공지능(AI) 에이전트의 환각 문제를 줄이고 답변 정확도를 높일 수 있는 차세대 데이터베이스 기술을 개발했다.

김민수 교수 연구팀은 교원창업기업 그래파이와 협력해 통합 데이터베이스 관리 시스템 ‘아카식DB(AkasicDB)’와 이를 기반으로 한 검색증강생성(RAG) 기법 ‘옴니RAG(Omni RAG)’를 개발했다고 밝혔다. 이번 연구 성과는 데이터베이스 분야 국제학술대회 ‘ACM SIGMOD 2026’에서 데모 논문으로 발표됐다.

RAG는 AI가 외부 문서나 데이터를 검색한 뒤 이를 근거로 답변을 생성하도록 하는 기술이다. 기업용 AI 에이전트에 활용이 늘고 있지만, 실제 기업 데이터는 문서, 표, 관계 정보 등 여러 형태로 흩어져 있다. 기존 RAG 방식은 이런 데이터를 종합적으로 이해하는 데 한계가 있어 근거가 부족하거나 부정확한 답변을 생성할 수 있었다. 이를 AI의 환각 현상이라고 한다.

AkasicDB의 벡터-그래프-관계형 통합 아키텍처

아카식DB는 이 문제를 해결하기 위해 문서의 의미를 찾는 벡터 DB, 사람·기업·제품 등 개체 간 관계를 분석하는 그래프 DB, 표 형태 데이터를 처리하는 관계형 DB 기능을 하나의 데이터베이스 관리 시스템에서 통합 실행하도록 설계됐다. 사용자는 벡터 검색, 그래프 탐색, 관계형 필터링이 결합된 복합 질의를 하나의 SQL/GQL 질의문으로 표현할 수 있다. 아카식DB는 이를 단일 실행 계획으로 처리한다.

이를 기반으로 한 옴니RAG는 문서의 의미 정보, 지식 그래프의 관계 정보, 표 형태 데이터의 구조적 조건을 동시에 활용한다. AI가 더 구체적인 근거를 바탕으로 답변하도록 해 환각 가능성을 낮추는 방식이다.

실험 결과, 아카식DB는 기존 시스템에서 최대 21.3초가 걸리던 복합 검색 질의를 1초 이내에 처리했다. 최대 20배 이상의 성능 향상을 보인 것이다. 옴니RAG는 기존 RAG 대비 답변 정확도를 최대 78％ 높였다.

김민수 교수는 “AI 에이전트가 기업 데이터를 정확하게 활용하려면 벡터, 그래프, 관계형 데이터를 하나의 시스템에서 함께 처리할 수 있는 인프라가 필요하다”며 “아카식DB는 국방, 제조, 금융, 법률, 과학기술 등 신뢰성이 중요한 분야에서 활용될 수 있을 것”이라고 말했다.

이번 연구는 생성형 AI의 신뢰성을 높이기 위한 데이터 인프라 기술이라는 점에서 의미가 크다. 기업 현장에서 AI 에이전트 도입이 확대되는 가운데, 여러 형태의 데이터를 통합적으로 처리하는 데이터베이스 기술이 AI 활용의 정확성과 효율성을 높이는 핵심 기반으로 주목받을 전망이다.

관련기사

https://biz.chosun.com/science-chosun/science/2026/06/19/T3LWIW6D6REVFP2OXEYBANJHPA/

https://www.tjb.co.kr/news05/bodo/view/id/99726/version/1

참고 자료

ACM SIGMOD 2026, DOI: https://doi.org/10.1145/3788853.3801609

KAIST 전산학부 박노성 교수 연구팀(신예진·허지현 박사과정, 김서진·정인혁 석사과정)이 최근 치러진 2026년 제40회 한국수학올림피아드(KMO) 1차 시험 20문항을 활용해 국내외 최신 대규모 언어모델(LLM) 11종의 수학 추론 능력을 평가했다.

이번 평가는 최신 시험 문제를 사용해 학습 데이터 오염 가능성을 낮춘 것이 특징이다. KMO 1차는 단답형 문제 중심으로, 대수·정수론·조합·기하 등 올림피아드형 추론을 요구하면서도 최종 답안의 정오 판정이 명확해 LLM 평가에 적합하다.

평가 결과 국내 독자 파운데이션 모델 3종이 글로벌 프런티어 모델과의 격차를 의미 있게 좁힌 것으로 나타났다. 특히 SK텔레콤의 'A.X-K1'은 단일정답률(pass＠1) 83.75％를 기록하며 국내 독자 모델 중 가장 높은 성적을 거뒀고, 동시점에 공개된 글로벌 동급 모델들을 단일정답률에서 상회했다.

◇ 한국 독자 파운데이션 모델, 각자의 강점 확인

평가에 사용된 한국 독자 파운데이션 모델 3종의 결과는 다음과 같다.

▷ A.X-K1 (SK텔레콤): pass＠1 83.75％ / pass＠8 89.94％ / majority_vote 90％
▷ Solar-Open-100B (업스테이지): pass＠1 78.44％ / pass＠8 89.81％ / majority_vote 90％
▷ K-EXAONE (LG AI연구원): pass＠1 75.94％ / pass＠8 87.24％ / majority_vote 80％

세 모델은 각기 다른 강점을 보였다. A.X-K1은 한 번에 정답을 맞히는 단일정답률(pass＠1 83.75％)과 8회 시도 중 한 번이라도 정답을 찾는 후보 생성력(pass＠8 89.94％) 두 지표에서 가장 높은 성능을 보였다.

Solar-Open-100B는 여러 번 풀이를 생성했을 때 정답이 일관되게 모이는 다수결 안정성(majority_vote 90％)이 두드러졌다. K-EXAONE도 후보 생성력(pass＠8 87.24％)에서 의미 있는 결과를 보였다.

A.X-K1은 SK텔레콤이 2025년 12월 공개한 519B 파라미터 규모의 MoE(Mixture of Experts, 전체 파라미터 중 일부만 활성화해 효율을 높이는 구조) 모델로, 활성 파라미터는 33B다. SK텔레콤은 이 모델을 한국 독자 초거대 AI 생태계의 '교사 모델'로 소개한 바 있다.

◇ 동일 시점 비교 시 한국 모델, 글로벌 동급과 경쟁 가능

이번 평가에는 글로벌 프런티어 모델 다수가 비교군으로 포함됐다. 다만 모델별 공개 시점이 다르므로, 한국 독자 모델과의 비교는 동일 시점(2025년 말 기준)에 공개된 글로벌 모델과의 비교가 가장 공정하다.

▷ 2025년 말 동일 시점 글로벌 모델 단일정답률
- Qwen3.5-397B-A17B (알리바바): 82.50％
- Kimi K2.5 (문샷AI): 81.25％
- DeepSeek-V3.2 (DeepSeek): 79.38％

이 시점 기준으로 A.X-K1(83.75％)은 글로벌 동급 모델들을 단일정답률에서 상회한다. Solar-Open-100B(78.44％)와 K-EXAONE(75.94％)도 글로벌 동급 모델과 큰 격차 없이 경쟁 가능한 수준임을 보여줬다.

이번 KMO 평가는 국내 독자 AI 파운데이션 모델들이 글로벌 AI 모델과 수학 추론 영역에서 경쟁 가능한 위치에 접근했음을 보여준다.

한편, 모델 공개 시점 차이로 참고용 비교군에 포함된 2026년 글로벌 모델들(Qwen3.6-Max-Preview 86.88％, Kimi K2.6 85.63％, DeepSeek-V4-Flash 84.38％)은 단일정답률 기준 한국 모델보다 다소 앞섰다. 다만 이는 약 반년 이상의 개발 시점 격차가 반영된 결과로 해석된다.

박노성 교수 연구팀은 "한국 독자 파운데이션 모델이 글로벌 프런티어와 동일 시점 비교 시 충분히 경쟁 가능한 위치에 있음을 확인했다"며 "각 사가 자체적으로 보유한 후속 모델들이 평가에 포함될 경우 결과가 어떻게 달라질지는 향후 연구 과제"라고 밝혔다.

◇ 19번 문항, 모든 모델 정답률 0％… LLM 공통의 한계

문항별 결과에서 가장 주목되는 부분은 19번 문제였다. 이번 평가의 11개 모델 모두 이 문항에서 정답률 0％를 기록했으며, 한국 독자 모델과 글로벌 프런티어 모델을 가리지 않고 단 한 차례도 정답을 도출하지 못했다.

19번은 볼록사각형과 두 예각삼각형, 각 삼각형의 수심, 여러 수선의 발과 교점 사이의 길이 관계를 종합적으로 해석해야 하는 6점짜리 기하 문제다. 특히 문제에 등장하는 점과 직선, 수선 관계가 많아, 도형을 정확히 구성하고 숨은 기하적 관계를 찾아내는 과정이 핵심이다. 그림 없이 텍스트만으로 문제를 처리하는 LLM은 이러한 유형에서 좌표화나 대수적 식 변환에 의존하는 경향이 있는데, 이 과정에서 변수와 조건이 급격히 늘어나며 풀이가 불안정해질 수 있다.

연구팀은 "최신 LLM들은 자연스러운 풀이를 생성하는 데 능하지만, 복잡한 도형 조건을 일관되게 유지하고 보조점 사이의 기하적 관계를 정확히 추론하는 데에는 여전히 취약한 모습을 보였다"며 "이는 모델 규모 확대만으로 해결되기 어려운 영역으로, 수학 검증기·답 후보 랭커·형식 검산 모듈 등 외부 검증 시스템과의 결합이 필요하다는 점을 보여준다"고 설명했다.

◇ 향후 과제: '검증 가능 추론'으로의 확장

이번 평가가 시사하는 방향은 명확하다. 첫째, 한국 독자 파운데이션 모델의 다음 과제는 한국어 수학 문제를 검증 가능한 방식으로 푸는 능력의 확장이다. 둘째, 단순 모델 규모 확대보다 검증·탐색·증명을 결합한 시스템 설계가 필요하다. 셋째, 데이터 오염을 피한 신선한 평가 데이터 구축의 중요성이 재확인됐다.

박 교수 연구팀은 "이번 결과는 한국 독자 AI 생태계가 글로벌 프런티어와의 격차를 좁히고 있음을 보여주는 한편, 다음 경쟁의 무대는 '더 큰 모델'이 아니라 '검산하고, 탐색하고, 증명하는 시스템'에 있다는 점을 시사한다"고 말했다.

<용어 설명>
▸ pass＠1: LLM이 한 번 답을 생성했을 때의 정답률
▸ pass＠8: 8번 풀이를 생성했을 때 그중 한 번이라도 정답이 포함될 확률
▸ majority_vote: 여러 번 생성한 답 중 가장 많이 나온 답을 선택했을 때의 정답률(모델 자기일관성 지표)
▸ MoE(Mixture of Experts): 전체 파라미터 중 일부만 선택적으로 활성화해 연산 효율을 높이는 모델 구조
▸ KMO: 한국수학올림피아드(Korean Mathematical Olympiad). 매년 대한수학회 주관으로 시행

2016년 발표 논문, 다양성 기반 테스팅 연구의 이론적 토대 마련
소프트웨어 테스팅·검증 분야 국제학술대회 ICST서 연구 영향력 재조명

KAIST 전산학부 유신 교수가 지난 5월 19일부터 21일까지 대전컨벤션센터(DCC)에서 열린 제19회 IEEE International Conference on Software Testing, Verification & Validation(ICST 2026)에서 Most Influential Paper Award를 수상했다.

이번 수상은 유 교수가 2016년 ICST에서 발표한 논문 “Test set diameter: Quantifying the diversity of sets of test cases”가 지난 10년간 소프트웨어 테스팅 연구 분야에 미친 영향력을 인정받은 결과다.

해당 논문은 소프트웨어 테스팅에서 입력 다양성이 중요하다는 경험적 원칙을 정보이론에 기반해 정량적으로 검증한 연구다. 이후 다양한 다양성 기반 테스팅 기법의 이론적 토대가 되며 관련 연구 확산에 기여했다.

유 교수는 이번 수상으로 2024년에 이어 두 번째로 ICST Most Influential Paper Award를 받았다. 이는 소프트웨어 테스팅·검증 분야에서 유 교수의 연구가 장기적 학술 영향력을 인정받고 있음을 보여준다.

수상 논문은 arXiv와 KAIST 연구성과 페이지에서 확인할 수 있다. ICST는 소프트웨어 테스팅, 검증, 검증 자동화 분야 연구자와 실무자가 최신 연구 성과를 공유하는 IEEE 주관 국제학술대회다. 2026년 행사는 5월 18일부터 22일까지 대전컨벤션센터에서 열렸으며, 메인 컨퍼런스 프로그램은 5월 19일부터 21일까지 진행됐다.

관련 링크

논문: Test set diameter: Quantifying the diversity of sets of test cases
https://arxiv.org/abs/1506.03482
ICST 2026 공식 홈페이지
https://conf.researchr.org/home/icst-2026

< (왼쪽부터) 주영석 교수, 허원도 교수, 제민규 교수, 류석영 교수 >

세계적 수준 연구자 대상 최대 9년 장기 지원 사업
컴퓨터 소프트웨어 분야 연구 역량 인정받아 유형A 선정
KAIST 교원 4명 동시 선정…기초연구 경쟁력 입증

KAIST 전산학부 류석영 교수가 과학기술정보통신부가 추진하는 2026년도 기초연구사업 ‘리더연구’ 유형A에 선정됐다.

과학기술정보통신부는 5월 27일 올해 기초연구사업 리더연구자로 총 18명을 선정했다고 밝혔다. 리더연구는 세계적 수준의 이공 분야 연구자를 선정해 장기간 안정적으로 연구에 몰입할 수 있도록 지원하는 대표 기초연구사업이다. 선정 연구자에게는 최대 9년간 연구비가 지원된다. 유형A에는 연 8억 원, 올해 신설된 유형B(Top-Tier)에는 연 16억 원 규모의 연구비가 지원된다.

류석영 교수는 컴퓨터 소프트웨어 분야에서 세계적 수준의 연구 역량을 인정받아 유형A 연구자로 선정됐다. 이번 선정은 전산학부가 소프트웨어 분야 핵심 원천기술 연구에서 축적해 온 경쟁력을 보여주는 성과다.

KAIST에서는 류석영 교수를 포함해 총 4명의 교원이 올해 리더연구에 선정됐다. 의과학대학원 주영석 교수는 유형B(Top-Tier)에 선정됐으며, 생명과학과 허원도 교수, AI시스템학과 제민규 교수, 전산학부 류석영 교수가 유형A에 이름을 올렸다.

이번 선정은 KAIST가 의과학, 생명과학, 인공지능, 반도체, 소프트웨어 등 다양한 분야에서 세계적 수준의 기초연구 역량을 확보하고 있음을 보여준다. 특히 전산학부의 이번 성과는 소프트웨어 연구의 장기적 가치와 학문적 파급력을 다시 확인한 사례로 평가된다.

이광형 KAIST 총장은 “장기적이고 도전적인 기초연구를 수행할 수 있는 환경은 세계적 연구 성과 창출의 핵심 기반”이라며 “KAIST는 앞으로도 연구자들이 창의적이고 혁신적인 연구에 몰입할 수 있도록 적극 지원해 글로벌 기초연구 경쟁력을 강화해 나가겠다”고 말했다.

연구 지원은 2026년 6월 1일부터 시작된다.

기사원문

<파바스 기술 개념도>

물체 무게·속도 등 물리 정보 반영해 현실감 높여
KAIST·포스텍·소니AI 공동 개발…CVPR 2026 구두 발표 논문 채택

영상 속 물체의 무게와 움직임을 분석해 장면에 맞는 효과음을 생성하는 인공지능(AI) 기술이 개발됐다.

KAIST는 오태현 전산학부 교수 연구팀이 포스텍, 일본 소니AI와 공동으로 영상의 물리적 상황을 이해하고 현실적인 소리를 만드는 AI 기술 ‘파바스(PAVAS)’를 개발했다고 26일 밝혔다. 이 기술은 거대한 공룡이 걸어오는 장면에서 땅을 울리는 낮고 묵직한 소리처럼, 관객이 실제 상황에서 기대할 법한 음향을 자동으로 구현하는 데 초점을 맞췄다.

연구 결과는 컴퓨터 비전 분야 주요 학술대회인 ‘CVPR 2026’에서 상위 1％ 이내 구두 발표 논문으로 채택됐다. 발표는 6월 6일 이뤄질 예정이다.

최근 구글의 ‘비오(Veo) 3’, 바이트댄스의 ‘시댄스(Seedance) 2.0’ 등 영상과 소리를 함께 생성하는 AI 기술이 빠르게 발전하고 있다. 다만 실제 콘텐츠 제작 현장에서는 영상이 완성된 뒤 장면에 맞는 효과음을 넣거나 음향을 다시 다듬는 후반 작업 수요가 여전히 크다.

기존 영상 기반 음향 생성 AI는 주로 화면에 보이는 사물의 형태나 장면 정보를 바탕으로 소리를 만들었다. 이 방식은 물체의 질량, 속도, 충돌 강도 같은 물리적 요인을 충분히 반영하지 못했다. 같은 물체가 움직이더라도 얼마나 무겁고 빠르게 움직이는지에 따라 소리의 크기와 음색이 달라져야 하지만, 기존 기술은 이런 인과관계를 정밀하게 따지지 못했다.

연구팀이 개발한 파바스는 영상 속 환경과 움직임의 맥락을 분석한다. 이후 물체의 무게와 속도를 추론하고, 이를 소리 생성 과정에 반영한다. 화면의 시각 정보만 따라가는 데 그치지 않고, 왜 그런 소리가 나야 하는지를 물리적으로 계산하는 방식이다.

실험 결과 파바스는 물체가 부딪히거나 타격이 발생하는 장면에서 실제 환경과 가까운 효과음을 생성했다. 물체의 질량과 속도가 바뀌면 소리의 세기와 음색도 자연스럽게 달라졌다. 연구팀은 이를 통해 영상의 몰입감을 높이는 효과를 확인했다고 설명했다.

이번 연구는 콘텐츠 음향 제작 자동화에 직접 활용될 수 있다. 증강현실(AR), 가상현실(VR), 메타버스, 로보틱스 시뮬레이션 등에서도 장면과 상호작용에 맞는 음향을 실시간으로 구현하는 기반 기술이 될 수 있다.

연구팀은 “현실 세계의 물리 법칙과 인과관계까지 이해하는 AI의 가능성을 보여준 연구”라며 “더 몰입감 있는 사용자 경험을 제공하는 데 기여할 수 있을 것”이라고 밝혔다.

오태현 교수는 “기존 생성 AI가 데이터와 모델 규모를 키우는 방향으로 발전했다면, 이번 연구는 AI가 물리량과 인과관계를 직접 이해하도록 설계했다는 점에서 의미가 있다”며 “앞으로 텍스트, 영상, 음성 등 여러 정보를 동시에 이해하고 처리하는 차세대 멀티모달 AI의 핵심 기반 기술로 확장될 수 있다”고 말했다.

기사원문: https://n.news.naver.com/article/584/0000037759?sid=105

<참고 자료>
- (사전 공개 논문) arxiv.org/abs/2512.08282
- (프로젝트 웹사이트) physics-aware-video-to-audio-synthesis.github.io

왼쪽부터 오현빈 포스텍 석박통합과정생, 타키다 유타 소니AI 연구원, 우에사카 토시미츠 연구원, 오태현 KAIST 전산학부 교수, 미츠후지 유키 소니 AI 부사장 및 뉴욕대 방문 연구교수

LLM 기반 대화 시스템으로 환자 병력 청취 지원
ACM CHI 2026에 연구 결과 발표…임상 워크플로우 연계 가능성 제시

KAIST와 강남세브란스병원 공동 연구팀이 정신건강의학과 초진 환자의 병력 청취를 지원하는 대규모 언어모델 기반 AI 인터뷰어 시스템을 개발했다.

KAIST 전산학부 이의진 교수 연구팀, 산업디자인학과 이탁연 교수 연구팀, 강남세브란스병원 정신건강의학과 김은주 교수 연구팀은 정신건강의학과 초진 환자와 자연스럽게 대화하며 핵심 정신건강 정보를 구조화해 수집할 수 있는 AI 인터뷰어 시스템을 개발했다고 밝혔다. 이번 연구에는 KAIST 전산학부 박사과정 정유경 학생이 제1저자로 참여했다. 연구 결과는 인간-컴퓨터 상호작용 분야 최고 권위 국제학회인 ‘ACM CHI Conference on Human Factors in Computing Systems 2026’에 출판됐다.

이번 연구는 정신건강의학과 초진 과정에서 환자와 의료진이 겪는 어려움을 해결하기 위해 시작됐다. 정신과 초진에서는 환자의 주요 증상, 감정 상태, 기능 손상, 과거 경험 등을 제한된 시간 안에 충분히 파악해야 한다. 그러나 실제 진료 환경에서는 환자가 긴장감이나 부담감 때문에 자신의 상태를 충분히 설명하지 못하는 경우가 많다.

연구팀은 이러한 문제를 해결하기 위해 대규모 언어모델 기반 대화 기술을 활용했다. AI 인터뷰어는 환자의 현재 증상, 일상 기능 저하, 감정 상태 등을 단계적으로 질문하고 정리할 수 있도록 설계됐다. 특히 정신건강의학과 전문의들과 협력해 실제 임상 면담 흐름을 반영했다. 환자의 응답에 따라 후속 질문을 동적으로 생성하는 방식으로 보다 자연스러운 상호작용도 구현했다.

시스템은 AI가 수집한 내용을 의료진이 쉽게 검토할 수 있도록 구조화된 요약 형태로 제공한다. 이를 통해 의료진은 초진 상담 전 환자의 상태를 더 효율적으로 이해하고 상담 흐름을 준비할 수 있다.

연구팀은 시뮬레이션 기반 평가와 실제 사용자 평가를 통해 시스템의 가능성을 검증했다. 평가 결과, AI 인터뷰어는 환자의 증상과 기능 손상 정보를 체계적으로 수집할 수 있는 것으로 나타났다. 참여한 정신건강의학과 의료진도 실제 초진 이전에 환자의 상태를 효율적으로 파악하고 상담 흐름을 준비하는 데 도움이 될 수 있다고 평가했다.

연구팀은 이번 연구가 단순한 챗봇 개발을 넘어 실제 정신건강 임상 워크플로우 안에서 AI가 환자와 의료진을 연결하는 새로운 디지털 협력 도구로 활용될 가능성을 보여준다고 설명했다. 또 생성형 AI 기술의 정신건강 분야 활용 가능성을 확장했다는 점에서 의미가 있다고 밝혔다. 연구팀은 향후 실제 병원 환경 적용과 임상 워크플로우 통합 연구를 이어갈 계획이다.

참고 기사
조선일보: https://www.chosun.com/economy/science/2026/05/24/RMXXLYV2FVDWNCVQEADEHXMXG4/
파이낸셜뉴스: https://www.fnnews.com/news/202605241812548706
팍스경제TV: https://www.paxetv.com/news/articleView.html?idxno=272915