업스테이지 논문 2편, 자연어 처리 권위 학회서 채택

업스테이지가 EMNLP 2023에서 논문 2편을 발표했다. [사진=업스테이지]

업스테이지는 자연어 처리 분야에서 가장 권위 있는 학회인 EMNLP(Empirical Methods in Natural Language Processing) 2023에서 논문 2편을 발표했다고 23일 밝혔다.

EMNLP 2023은 인공지능(AI) 번역과 챗봇, 기계 독해 등 언어 데이터 기반 자연어 처리 접근법과 관련된 연구를 다루는 세계 최고 수준의 학회다. 지난해 EMNLP 2022에는 총 3242편의 논문이 제출됐고, 이 중 715편만 통과돼 22%의 채택률을 기록했다. EMNLP 2023은 12월 6일부터 12월 10일까지 싱가포르에서 개최되며 구글, 애플, 아마존, 바이두 등 세계 유수의 AI 기업이 참여한다.

이번에 채택된 논문 2편은 한국어 관련 NLP 연구 성과로 박찬준 업스테이지 테크 리드 주도로 고려대 임희석 교수 연구팀과의 협업을 통해 진행됐다.

첫 번째 논문(KEBAP: Korean Error Explainable Benchmark Dataset for ASR and Post-processing)은 한국어 음성인식 후처리기와 관련한 새로운 벤치마크 데이터셋을 구축했다. 음성인식 모델의 약점을 평가하고 식별하기 위한 새로운 평가 방법론을 제안한다.

관련기사

• 업스테이지 'AI 4대 석학' 앤드류 응 교수와 LLM 강의 공개
• 권순일 업스테이지 부사장 "AWS 입점한 '솔라' 글로벌 기업 공략"

음성·텍스트 레벨 두 가지 측면을 고려해 음성인식 모델의 약점에 대한 정확한 정보를 제공하지 못하는 전통적인 평가 방법의 문제점을 지적하며 음성·텍스트 수준 오류를 통합적으로 고려, 모델의 설명 가능성을 향상시킨 연구다. 

두 번째 논문(CHEF in the Language Kitchen: A Generative Data Augmentation Leveraging Korean Morpheme Ingredients)은 한국어 특성을 살린 새로운 데이터 증강 기법을 담았다.

한국어는 영어와 달리 형태소라는 작은 단위로 구성되고, 형태소 조합에 따라 문장 의미가 달라진다. 논문은 이런 특성을 바탕으로 한 새로운 데이터 증강 방법론 CHEF를 제시했다. 한국어 특징을 반영해 자연스러운 문장을 생성하고, 생성형 언어 모델이 한국어 형태소 조합을 다양하게 변형해 데이터를 증강하는 방법론을 제안한다.

앞서 업스테이지는 지난 6월 데이터 센트릭(Data-Centric) AI 분야에서 가장 권위 있는 워크숍인 ICML 2023-DMLR에서 논문 7편을 발표했다. 창립 3년 만에 국내외 AI 논문 100편 발표, 구글 스콜라 랭킹 기준 NLP 분야 컨퍼런스 톱7에서 논문 채택 기록을 세웠다.

김성훈 업스테이지 대표는 "EMNLP 2023을 비롯해 다양한 글로벌 학회에서 연구 성과를 낼 수 있어 무척 기쁘다"고 말했다. 이어 "지속적인 연구·개발(R&D) 투자를 통한 연구 성과를 바탕으로, 누구나 최고 성능의 AI를 더 편리하게 이용할 수 있게 최선을 다하겠다"고 밝혔다.