셀렉트스타가 인공지능(AI) 시대의 핵심 과제로 떠오른 데이터 신뢰성 및 모델 검증 분야에서 글로벌 학계의 주목을 받았다. 셀렉트스타 소속 연구진이 참여한 논문 3편이 자연어처리(NLP) 분야 최고 권위 학회인 ‘EMNLP 2025’에 공식 등재되며, AI 데이터 및 신뢰성 검증 기술을 인정받았다.
EMNLP(Empirical Methods in Natural Language Processing)는 국제언어학회(ACL) 산하의 세계 3대 NLP 학회 중 하나로, 매년 전 세계 유수의 빅테크 기업과 연구기관들이 최신 AI 연구 성과를 발표하는 장이다. 올해는 8000여 편 이상의 논문이 접수돼 약 39.51%만이 최종 채택되는 등 엄격한 심사 기준과 높은 경쟁률을 보였다.
셀렉트스타 연구진 5인이 참여한 논문 3편이 이 경쟁을 뚫고 채택됐으며, 그 중 1편은 전체 상위 22%에 해당하는 메인 논문으로 선정되는 쾌거를 이뤘다. 이에 셀렉트스타는 2023년 EMNLP 논문 2건 등재에 이어 총 5건의 논문 채택 기록을 세우기도 했다.
이번에 등재된 3편의 논문은 AI 시대의 근본적인 문제 해결에 초점을 맞췄다. 메인 논문으로 채택된 ‘CoBA : Counterbias Text Augmentation for Mitigating Various Spurious Correlations via Semantic Triples’는 대규모 언어모델(LLM) 내의 데이터 편향을 최소화하고, 소수 집단 표현을 강화하기 위한 자동 텍스트 증강 기술을 제안한다. 이는 모델의 공정성과 성능을 동시에 향상시키는 방안을 제시했다는 점에서 의미가 있다.
두 번째 논문인 ‘GRADE : Generating multi-hop QA and fine-gRAined Difficulty matrix for RAG Evaluation’은 복수의 문서를 참조해야 하는 멀티홉 질의응답(Multi-Hop QA)과 난이도별 평가 프레임워크를 개발했다. 이를 통해 RAG(Retrieval-Augmented Generation) 시스템의 추론 능력과 검색 성능을 종합적으로 진단하는 평가 기준을 마련했다.
마지막으로 'CAC-CoT : Connector-Aware Compact Chain-of-Thought for Efficient Reasoning Data Synthesis Across Dual-System Cognitive Tasks' 논문은 기존 연쇄 추론(CoT, Chain-of-Thought) 방식의 비효율성을 극복하는 합성 데이터 생성 기법을 제안했다. 이 기술은 적은 데이터와 자원으로도 고성능, 고효율의 추론 데이터를 합성할 수 있어 AI 학습 및 개발 과정 효율성을 높일 것으로 기대된다.
셀렉트스타는 이번 EMNLP 등재로 AI 데이터의 핵심 문제인 편향성 검증 및 LLM의 추론 신뢰성을 높이는 기술력을 세계적으로 인정받았다. 논문에서 입증된 이 핵심 기술은 한국형 독자 AI 파운데이션 모델 구축 프로젝트의 고품질 데이터 생성 기반 기술로 활용될 예정이며, AI 신뢰성 검증 SaaS 개발에도 도입돼 기술적 확장성을 확보할 계획이다.
김세엽 셀렉트스타 대표는 “EMNLP 등재는 셀렉트스타가 자체 개발한 AI 신뢰성 검증 기술력이 글로벌 학계로부터 인정받았다는 의미를 가진다”며, “이번 연구 성과를 바탕으로 AI 신뢰성 검증 분야에서 자사의 기술 리더십을 강화하고, 궁극적으로 신뢰할 수 있는 AI 생태계를 구축하는 데 기여하겠다”고 포부를 밝혔다.