중앙대학교  AI학과, EMNLP 2025에서 13편 논문 채택

중앙대학교 AI학과 소속 교수와 학생들이 세계 최고 권위의 자연어처리(NLP) 학회인 EMNLP 2025 (The 2025 Conference on Empirical Methods in Natural Language Processing)에 총 13편의 논문을 채택시키는 쾌거를 이루었다.  EMNLP는 ACL, NAACL과 함께 자연어처리 분야에서 세계 최고 권위를 인정받는 3대 학술대회 중 하나로, 논문 채택률이 매우 낮아 경쟁이 치열하기로 유명하다.

이번에 채택된 논문들은 거대 언어 모델(LLM)의 한계를 분석하고 극복하는 연구부터 멀티모달, 데이터 증강, 다중 에이전트 추론 등 AI 기술의 최전선에 있는 주제들을 깊이 있게 다루었다.

특히 이번 성과는 석·박사 과정 학생들뿐만 아니라 AI학과 학부 3, 4학년 학생들이 다수의 논문에서 제1저자로 연구를 주도하며 이뤄낸 결과라는 점에서 주목할 만하다. 이는 중앙대학교 AI학과의 세계적 수준의 연구 경쟁력과 우수한 인재 양성 역량을 동시에 입증한 사례다. 그중에서도 학부 3학년 정성룡 학생이 제1저자로 참여한 'ToDi' 연구를 포함한 총 2편의 논문은 구두 발표(Oral Presentation)로 채택되어 학계의 큰 기대를 모으고 있다.

AI학과 이환희 교수는 "NLP라는 특정 분야를 넘어 멀티모달, 음성, 그래프 등 여러 분야 교수님들의 연구가 세계적인 NLP 학회에서 두루 성과를 냈다는 점이 매우 고무적"이라며, "이번 성과를 통해 중앙대학교 AI학과가 글로벌 AI 연구를 선도하는 기관으로서의 위상을 다시 한번 공고히 했다. 특히나 AI학과 학부생들이 다수의 성과를 낸 점은 미래를 더욱 기대하게 한다."라고 전했다.

AI학과 EMNLP 2025 채택 논문 리스트

[Main Conference]

1. Keep Security! Benchmarking Security Policy Preservation in Large Language Model Contexts Against Indirect Attacks in Question Answering
Hwan Chang* (석사 3차학기), Yumin Kim* (학부 4학년), YongHyeon Jun (석사 2차학기), Hwanhee Lee
- LLM이 정책에 따라 Context 속 기밀을 지킬 수 있는 지 평가한 연구로, 대부분의 상용 LLM들이 질문을 조금만 우회적으로 바꾸면 보안 정책을 쉽게 위반하고 정보를 유출하는 현상을 밝혀냄.

2. ToDi: Token-wise Distillation via Fine-Grained Divergence Control (Oral)
Seongryong Jung (학부 3학년), Suwan Yoon (학부 4학년), DongGeon Kim (학부 4학년), Hwanhee Lee
- Language Model Knowledge Distillation시 기존의 Forward KL과 Backward KL의 문제점을 분석하고, Token-level의 최적의 Distillation Loss를 제안함.

3. How Do Large Vision-Language Models See Text in Image? Unveiling the Distinctive Role of OCR Heads (Oral)
Ingeol Baek (석사 3차학기), Hwan Chang (석사 3차학기), Sunghyun Ryu, Hwanhee Lee
- Large Vision Language Model이 OCR (Object Character Recognition) 수행 시, 모델 내부의 어떤 Head들이 주로 작용하고 있는 지 분석해 OCR 동작과정을 해석한 연구임.

4. SAFE-SQL: Self-Augmented In-Context Learning with Fine-grained Example Selection for Text-to-SQL
Jimin Lee (석사졸업), Ingeol Baek (석사 3차학기), Byeongjeong Kim (석사 4차학기), Hyunkyung Bae (NYU), Hwanhee Lee
- Text-to-SQL 수행 시 LLM이 별도의 example 없이 직접 in-context example을 생성하고 이를 선별하는 방법을 제안해 zero-shot 환경에서 성능을 대폭 향상시킨 연구임.

5. VoiceBBQ: Investigating Effect of Content and Acoustics in Social Bias of Spoken Language Model
Junhyuk Choi (학부 4학년), Ro-hoon Oh(석사과정), Jihwan Seol(학사 졸업), Bugeun Kim
- 기존 BBQ 벤치마크를 음성 언어모델로 확장하고, 최근 음성 언어모델의 성별 및 지역 편향의 경향과 잠재적인 원인을 분석한 연구임.

6. Learning to See through Sound: From VggCaps to Multi2Cap for Richer Automated Audio Captioning
Sangyeong Cho (석사 졸업), Mingi Kim, (석사 4차학기), Jinkwon Hwang (석사 2차학기), Jaehoon Go (석사 1차학기), Minuk Ma (UBC 박사과정), Sunjae Yoon (KAIST 박사), Junyeong Kim
⁃ Automatic Audio Captioning 테스크 및 데이터셋의 문제점을 분석하여 새로운 거대 벤치마크 데이터셋을 제안하고, 오디오 정보만을 활용해 visual 정보를 유추하여 captioning 을 수행하는 방법론을 제안한 연구임.

7. CCQA: Generating Question from Solution Can Improve Inference-Time Reasoning in SLMs
Jinyoung Kim(학부 4학년), Ji Won Yoon
- 질문-답변-질문(Q-A-Q) 순환 구조를 통해 모델 응답을 평가함으로써 소형 언어 모델(SLM)의 추론 성능을 향상시킨 연구임.

8. GRIT: Guided Relational Integration for Efficient Multi-Table Understanding
Yujin Kang(박사과정), Seong Woo Park (인텔리빅스) , Yoon-Sik Cho
- 기존의 LLM은 처리 토큰 한계로 단일 테이블 처리에 최적화되었으며 복수의 테이블 처리가 불가능하였는데, 해깅 기법을 응용하여 복수의 테이블 연산을 가능하게 하고 연산의 복잡도를 99% 감소시킨 연구임.

9. CoBA: Counterbias Text Augmentation for Mitigating Various Spurious Correlations via Semantic Triples
Kyohoon Jin(박사 졸업), Juhwan Choi(석사 졸업), JungMin Yun(박사 4차학기), Junho Lee(석사 졸업), Soojin Jang(박사 졸업), YoungBin Kim
- Semantic triple 단위에서 텍스트를 변형해 spurious correlation을 줄이고 out-of-distribution 성능을 높이는 CounterBias Augmentation 기법을 제안함.

[Findings of EMNLP]

1. QEVA: A Reference-Free Evaluation Metric for Narrative Video Summarization with Multimodal Question Answering
Woojun Jung (석사 3차학기), Junyeong Kim
⁃ 정답 요약 (reference summary) 없이, 원본 video 만을 가지고 Video summarization 을 평가하기 위한 평가 방법론을 제안한 연구임.

2. LLM Agents at the Roundtable: A Multi-Perspective and Dialectical Reasoning Framework for Essay Scoring
Jinhee Jang(석사 3차학기), Ayoung Moon(NC AI), Minkyoung Jung(NC AI), YoungBin Kim, Seung Jin Lee(NC AI)
- 다중 LLM evaluator가 roundtable-style dialectical reasoning으로 essay scoring을 수행하는 RES 프레임워크를 제안함.

3. Beyond Single-User Dialogue: Assessing Multi-User Dialogue State Tracking Capabilities of Large Language Models
Sangmin Song(석사 졸업), Juhwan Choi(석사 졸업), JungMin Yun(박사 4차학기), YoungBin Kim
- Multi-user Dialogue State Tracking 환경에서 LLM의 한계를 분석하고, speech act theory 기반 데이터 확장을 통해 multi-user DST의 성능 저하를 실증함.

4. From Ground Trust to Truth: Disparities in Offensive Language Judgments on Contemporary Korean Political Discourse
Seunguk Yu(박사 2차학기), JungMin Yun(박사 4차학기), Jinhee Jang(석사 3차학기), YoungBin Kim
- 한국 정치 담론 데이터에서 offensive language 판단의 불일치를 분석하고, pseudo-label 기반 평가로 효율적인 prompting 전략의 가능성을 보임.