ティオリは所属研究員が第1著者として参加した「人工知能（AI）モデル合流」に関する研究論文が、国際的権威の学術大会「ACM/SIGAPP SAC 2026」で発表論文に選定されたと16日に明らかにした。
この大会はコンピュータサイエンスおよびAI分野で学術的成果と産業的寄与度を併せて評価する。韓国教育部主導のBK21（ブレインコリア21）事業が公式に認定する国際学会の一つでもある。
今回の論文にはティオリの大規模言語モデル（LLM）セキュリョンチームのパク・サンヒョン研究員が第1著者として参加し、論文タイトルは「分散非同期連合学習のための高速＆高信頼手法」（FRAIN to Train）である。当該研究は、信頼できない参加者、極端なデータ不均衡、深刻なネットワーク遅延が同時に存在する環境でもAIモデル合流（Model Merging）が安定的に作動し得ることを実証し、数学的に証明した。
本研究は分散・非同期環境でAIモデルの信頼性を高めるうえで重要な示唆を持ち、ティオリのLLMセキュリティソリューション、アルファプリズム（aprism）の技術高度化に活用された。アルファプリズムの識別子（Identifier）モデルで実際に使用中のチェックポイントマージング（Checkpoint Merging）方式が、不完全で敵対的な環境でもより一貫した性能と安定的な判断を提供する方向で改善されることを可能にした。
本研究は2026年3月23日から27日までギリシャ・テッサロニキで開催されるSAC 2026で発表される予定である。
パク・サンヒョン・ティオリ研究員は「今回の研究はAIモデルを実環境に適用する過程で考慮すべき課題を扱った」と述べ、「研究結果が今後の韓国におけるLLMセキュリティ研究と実務の議論に参考となることを期待する」と語った。