티오리는 소속 연구원이 제1 저자로 참여한 '인공지능(AI) 모델 병합' 연구 논문이 국제 권위 학술대회인 'ACM/SIGAPP SAC 2026'에서 발표 논문으로 선정됐다고 16일 밝혔다.
이 대회는 컴퓨터과학 및 AI 분야에서 학문적 성과와 산업적 기여도를 함께 평가한다. 우리 교육부 주관의 BK21(브레인 코리아 21) 사업에서 공식 인정하는 국제 학회 중 하나이기도 하다.
이번 논문은 티오리의 거대언어모델(LLM) 보안 솔루션팀의 박상현 연구원이 제1 저자로 참여했으며, 논문 제목은 '분산 비동기 연합학습을 위한 고속&고신뢰 방법론'(FRAIN to Train)이다. 해당 연구는 신뢰할 수 없는 참여자, 극단적인 데이터 불균형, 심각한 네트워크 지연이 동시에 존재하는 환경에서도 AI 모델 병합(Model Merging)이 안정적으로 작동할 수 있음을 실증하고 수학적으로 증명했다.
이번 연구는 분산·비동기 환경에서 AI 모델의 신뢰성을 높이는 데 중요한 시사점을 가지며, 티오리의 LLM 보안 솔루션, 알파프리즘(aprism)의 기술 고도화에 활용됐다. 알파프리즘의 식별자(Identifier) 모델에서 실제로 사용 중인 체크포인트 머징(Checkpoint Merging) 방식이, 불완전하고 적대적인 환경에서도 보다 일관된 성능과 안정적인 판단을 제공하는 방향으로 개선될 수 있게 했다.
본 연구는 2026년 3월 23일부터 27일까지 그리스 테살로니키에서 개최되는 SAC 2026에서 발표될 예정이다.
박상현 티오리 연구원은 "이번 연구는 AI 모델을 실제 환경에 적용하는 과정에서 고려해야 할 문제들을 다뤘다"며 "연구 결과가 향후 국내 LLM 보안 연구와 실무 논의에 참고가 될 수 있기를 기대한다"고 말했다.