AI 모델 경량화 및 최적화 기술 기업 노타(대표 채명수)가 세계적인 AI 학술 무대에서 연구 성과를 잇달아 인정받으며 AI 최적화 기술 경쟁력을 강화하고 있다.

노타는 자연어처리(NLP) 분야의 세계적인 국제학술대회 ‘EMNLP 2026’에서 초거대 AI 모델 최적화 논문 2편이 각각 메인 컨퍼런스(Main Conference)와 파인딩스(Findings)에 채택됐다고 25일 밝혔다. 특히 올해는 약 1만8000편의 논문이 제출될 만큼 치열한 경쟁이 펼쳐졌다. 메인 컨퍼런스의 논문 채택률은 15.4%에 불과했으며, 노타는 엄격한 심사를 거쳐 본 학술 프로그램에 이름을 올렸다.

EMNLP 2026 전 세계 자연어처리 분야를 대표하는 학회로, 구글, 메타, 오픈AI 등 글로벌 빅테크 기업과 주요 대학들이 최신 연구 결과를 발표하는 자리다. 메인 컨퍼런스는 연구의 독창성과 기술적 완성도, 학술적 기여도가 특히 우수한 연구를 선정하는 본 학술 프로그램이다. 파인딩스는 기술적 타당성 등 학술적 가치를 인정받은 논문이 게재되는 공식 트랙이다.

두 논문은 최근 GPT 계열과 큐웬(Qwen), 키미(Kimi) 등 최신 초거대 언어모델(LLM)에 빠르게 도입되고 있는 ‘전문가 혼합 모델(Mixture of Experts, MoE)’의 양자화 과정에서 발생하는 성능 저하 문제를 다룬다. MoE는 입력에 따라 필요한 일부 전문가만 연산하지만, 전체 모델을 메모리에 저장해야 하므로 실제 운영에는 많은 GPU와 메모리가 필요하다. 양자화로 이를 줄일 수 있지만 미세한 수치 변화로 기존과 다른 전문가가 선택되면 답변 성능이 떨어질 수 있다.

메인 컨퍼런스 채택 논문은 양자화가 다음 단계의 전문가 선택에 미치는 영향까지 반영하고, 선택 경계에 있는 전문가들의 순서를 보존하는 ‘MENDS-MoE’ 방법론을 제시했다. 3종의 MoE 모델을 대상으로 진행한 4비트, 3비트 양자화 실험에서 대부분의 평가 환경에서 비교 기술보다 높은 평균 정확도와 우수한 언어모델 성능을 기록했다.

파인딩스 채택 논문은 모든 전문가 선택 변화를 일률적으로 보정하지 않고, 최종 답변에 영향을 미치는 변화에 최적화를 집중하는 ‘오페라(OPERA)’ 방법론을 제안했다. 두 연구는 양자화 이후에도 올바른 전문가 선택을 유지하면서 답변 품질에 중요한 변화에 최적화 역량을 집중한다는 점에서 상호 보완적이다.

앞서 노타는 ICML 2026 ‘자원 적응형 파운데이션 모델 추론(AdaptFM)’ 워크숍의 ‘Efficient Qwen Competition’에서 전 세계 약 40개 팀 가운데 3위를 차지했다. 오픈소스 LLM 큐웬 3.5-4B를 엔비디아 A10G GPU 한 장에서 구동하며 모델 성능을 유지하고 기존 대비 평균 6.978배 빠른 추론 속도를 구현했다. 같은 워크숍에서는 MoE 양자화 논문 2편도 채택됐다. 이번 EMNLP 논문 채택은 ICML 워크숍에서 발표한 연구를 한층 발전시킨 성과로, 세계 최고 수준의 본 학술대회에서 노타의 기술 경쟁력을 다시 한번 인정받았다.

노타는 지금까지 국내외 주요 학회와 저널에서 프루닝, 양자화 원천기술부터 모바일 엣지 AI, 생성형 AI, 비전언어모델(VLM), 초거대 언어모델(LLM)에 이르는 50여 건의 연구 성과를 발표했다.

AI 모델의 규모가 수천억에서 수조 개의 매개변수로 커지면서 성능을 유지하면서도 GPU와 메모리 사용량을 줄이는 기술이 AI 서비스의 경제성을 좌우하는 핵심 요소로 부상하고 있다. 이에 노타는 연구 단계에서 검증한 최적화 방법론을 초거대 언어모델과 데이터센터 AI 인프라에 적용하며 기술 활용 범위를 넓히고 있다.

가장 최근에는 1조 개 이상의 매개변수를 가진 ‘큐웬 3.8 맥스’를 경량화해 구동에 필요한 엔비디아 B300 GPU를 24장에서 4장으로 줄였다. 앞서 문샷AI의 ‘키미 K3’는 B300 GPU를 8장에서 최대 4장으로, 업스테이지의 ‘솔라 오픈 2’는 H100 GPU를 8장에서 2장으로 줄일 수 있는 결과를 공개했다. 이번 논문 채택은 노타가 모바일·엣지 AI 최적화를 넘어 초대형 거대언어모델과 데이터센터 AI 인프라까지 기술 적용 범위를 확대하고 있음을 보여주는 대표적인 연구 성과다.

채명수 노타 대표는 “AI 모델이 수천억, 수조 개의 매개변수 규모로 커지며 AI 산업의 경쟁축이 모델 자체의 성능을 넘어 운영 효율로 이동하는 가운데, 이번 성과는 노타가 축적해 온 AI 최적화 연구를 바탕으로 초거대 언어모델과 데이터센터 AI 인프라의 효율을 높일 기술적 기반을 확보했음을 보여준다”며, “앞으로도 최신 AI 모델의 구조 변화에 선제적으로 대응할 수 있도록 연구개발 투자와 지원을 이어가며, AI 인프라 도입의 효율을 높이는 핵심 최적화 기술 적용 범위를 넓히겠다”고 말했다.