구글, EMNLP 2026 논문 31편 발표

구글이 10월 24일부터 29일까지 헝가리 부다페스트에서 열리는 자연어처리 학회 EMNLP 2026에 다이아몬드 후원사로 참가해 논문 31편을 발표한다. 구글 리서치와 구글 딥마인드를 아우르는 구글 연구진은 워크숍 11개와 튜토리얼 2개에 참여하고, 산업 기조연설과 패널 토론을 맡는다. 구글 리서치는 10월 25일 X에 "EMNLP 2026의 다이아몬드 후원사가 되어 자랑스럽다"고 밝히며 언어 모델링과 에이전트 시스템 라이브 데모를 부스에서 선보인다고 알렸다. 학회장은 헝엑스포 부다페스트 컨그레스 전시 센터이고, 구글 부스는 H홀 D5다.

이번 학회에서 구글이 내건 가장 큰 주제는 에이전트 정렬이다. 베레나 리저(Verena Rieser)는 10월 26일 산업 세션 기조연설에서 가치 기반 에이전트를 위한 긍정적 정렬과 헌법적 정렬의 과학을 다룬다. 그는 강연 소개에서 "AI 시스템이 점점 더 자율적으로 움직이는 만큼, 더 유능한 모델이 우리가 지켜보지 않을 때에도 안전하고 믿을 만한 선택을 하도록 보장할 엄밀한 새 과학이 필요하다"고 밝혔다. 리저가 말하는 긍정적 정렬은 보상 해킹이나 분포 밖 상황의 위험 행동을 막지 못하는 취약한 채점 기준과 피드백 신호 대신, 모델을 상위의 규범적 가치라는 내적 북극성에 묶는 방식이다. 그는 헌법이 이런 원칙을 정의하는 강력한 수단이지만 기존 접근은 임시방편의 휴리스틱에 기대고 있다고 짚었다.

리저는 10월 27일 현실 세계의 AI 에이전트를 주제로 한 패널 토론에도 나선다. 패널 소개문은 대형 언어 모델이 응답을 생성하는 시스템에서 목표를 좇고 도구를 쓰며 기억을 유지하는 에이전트로 빠르게 바뀌고 있다고 진단했다. 소개문에 따르면 에이전트는 벤치마크에서 성공하고도 모호하거나 적대적인 실제 조건에서 실패할 수 있고, 과제를 끝내면서 사용자의 본래 의도를 어길 수 있으며, 협력하는 듯 보이면서 사용자의 믿음을 조작하거나 그저 맞장구만 칠 수도 있다. 패널은 자율 에이전트를 대규모로 책임 있게 배포하기 전에 어떤 기술적, 제도적, 사회적 토대가 필요한지를 따진다.

에이전트가 현장에서 어떻게 어긋나는지를 잰 논문도 구글 목록에 올랐다. 코딩 에이전트가 사용자를 어떻게 실망시키는지 분석한 논문은 1,639개 저장소에서 IDE와 CLI 작업 흐름에 걸친 코딩 에이전트 세션 20,574건을 관찰했다. 연구진은 개발자가 반발한 순간을 정렬 실패로 정의하고, 각 사례를 형태, 원인, 비용, 해결의 네 축으로 분류해 반복되는 일곱 가지 형태를 찾았다. 프로젝트를 읽는 방식, 개발자 의도 해석, 규칙 준수, 행동 범위 설정, 코드 구현과 실행, 진행 상황 보고가 그 범위다. 제1저자 닝즈 탕(Ningzhi Tang) 등 연구진은 "사례의 90.50%는 되돌릴 수 없는 시스템 손상이 아니라 노력과 신뢰의 비용을 남기지만, 눈에 보이는 해결의 91.49%는 여전히 사용자의 명시적 수정을 필요로 한다"고 적었다. 전체 실패율은 줄고 있지만 제약 위반과 부정확한 자기 보고가 차지하는 비중은 커지고 있다는 것이 연구진의 분석이다.

구두 발표에 뽑힌 자기 편향 논문은 평가 도구 자체를 겨눈다. 웬다 쉬(Wenda Xu), 마르쿠스 프라이타크(Markus Freitag), 대니얼 도이치(Daniel Deutsch) 등 저자 5명은 기계번역을 주 실험대로 삼아, 모델이 시험 문항을 만들고 채점까지 맡는 자동 벤치마크 방식을 분석했다. 저자들은 논문 초록에서 "LLM이 만든 벤치마크는 그것을 만든 모델에 체계적으로 유리하다"고 밝혔다. 편향은 문항 생성과 평가 두 단계에서 생기고 둘이 겹치면 더 커진다. 다양성 통제를 명시해 문항을 만들어도 모델마다 가진 문체 습관이 자기 점수를 부풀렸고, 각 모델이 동료 모델들의 합의 순위를 뒤집고 스스로를 1위에 올릴 만큼 편향이 강했다. 같은 현상은 챗봇 아레나 과제의 개방형 생성에서도 확인됐고, 원문 텍스트의 다양성을 높이자 편향이 일부 줄었다.

부스 데모에는 제품으로 나간 연구도 섞였다. 10월 26일 댄 개릿(Dan Garrette)과 밀로시 스타노예비치(Miloš Stanojević)가 소개하는 SL2T는 대규모 다국어 수어 문자 번역 모델로, 픽셀 11의 지보드와 실시간 자막 앱에서 수어 받아쓰기를 맡는다. 구글은 이 모델로 수어 AI를 연구실 밖으로 꺼내 처음으로 소비자 제품에 넣었다고 밝혔다. 첫 언어쌍은 미국 수어(ASL)에서 영어다. 메탈은 구글이 수어를 문자로 바꾸는 SL2T를 공개하고 픽셀 11부터 적용한 소식을 보도한 바 있다. 10월 25일에는 비노드쿠마르 프라바카란(Vinodkumar Prabhakaran) 등이 실제 사용자 질의에서 AI의 문화 지능 실패를 보여 주는 대시보드를 시연한다.

메탈이 확인한 구글의 학회 안내 페이지에는 본 학회 논문 10편과 파인딩스 논문 17편, TACL 논문 1편, 구두 발표 2편이 올라 있다. 동남아시아 다국어 평가 벤치마크, 나이지리아 저자원 언어의 음성 간 번역 벤치마크, 과제 기반 가지치기로 KV 캐시를 압축하는 기법, 워터마크가 들어간 LLM 출력의 사후 편집을 오류 정정 부호로 잡아내는 방법, 보상 모델이 무엇을 외우는지 따진 연구가 그 안에 있다. 튜토리얼은 10월 28일 열리는 다국어·다문화 LLM과 LLM 토큰화 두 개이고, 워크숍은 기후변화와 자연어처리, 부정적 결과에서 얻는 통찰, 불확실성 인식 자연어처리 등 11개다. 학회 운영진에는 수니파 데브(Sunipa Dev) 프로그램 위원장, 스웨타 아그라왈(Sweta Agrawal) 데모 위원장, 라지 다브레(Raj Dabre) 웹사이트 위원장이 이름을 올렸다.

구글의 EMNLP 목록은 에이전트를 더 크게 만드는 일보다 에이전트가 어디서 어긋나는지를 재는 일에 무게를 싣고 있다. 기조연설은 가치에 묶인 정렬의 원칙을, 코딩 에이전트 논문은 2만 건이 넘는 실제 세션의 실패를, 자기 편향 논문은 모델이 모델을 채점하는 평가의 허점을 다룬다. 같은 회사의 연구진이 한 학회에서 원칙과 현장과 측정을 나눠 맡은 셈이다. 학회는 10월 29일 워크숍 일정으로 막을 내린다.