언어 모델은 다양한 언어 및 문화적 맥락에서 도덕적 의사결정에 점점 더 많이 활용되고 있으나, 기존 연구는 다국어성의 세 가지 측면을 간과하고 있다: 1) 다국어 평가 벤치마크는 직접 번역 방식을 사용하여 문화 특수적 항목을 적절히 반영하지 못하며; 2) 도덕적 추론을 위한 추론 시점 방법들은 정적이고 영어 중심적인 스캐폴드에 의존하고 도덕 이론에 대한 그라운딩이 부족하며; 3) 도덕적 의사결정을 위한 학습 방법들은 일반적으로 더 강력한 모델이나 인간 주석자의 비용이 많이 드는 감독을 필요로 한다. 우리는 세 가지 기여를 통해 이러한 격차를 해소한다. 첫째, 언어 전반에 걸쳐 문화적으로 상황화된 도덕적 직관과 사회적 규범을 포착하는 다국어 도덕적 의사결정 벤치마크인 MCLASH를 소개한다. 둘째, 심리학 및 철학에서 도출된 전문가 큐레이션 이론 기반 근거를 토대로 구축된 두 단계 프롬프팅 방법인 MET(Multilingual Ethics with Theory-grounded reasoning)를 제안한다: 모델은 먼저 상황 및 문화 특수적 근거를 선택한 후, 사용자의 모국어로 이를 바탕으로 추론을 수행한다. 셋째, 외부 감독 없이도 자기 지식 증류 학습 단계를 통해 두 번째 단계를 강화하는 MET-D(MET-Distillation)를 소개한다. MET-D는 다양한 크기와 계열의 세 가지 모델(Qwen3-4B, Qwen3-8B, Gemma3-4B) 모두에서 기반 모델 대비 매크로-F1을 향상시키며, MCLASH에서 평균 3.71포인트, MMoralExceptQA에서 4.23포인트를 개선하고, Qwen3-8B의 말레이어에서 최대 12.94포인트의 MCLASH 향상을 달성했다. 또한 MET-D가 모국어 추론을 평균 62.13포인트 증가시키며, 문화에 따라 유익한 근거가 체계적으로 다름을 밝혔다. 이러한 기여들은 문화 정렬적이고 이론 기반의 다국어 도덕적 추론을 위한 경로를 열어준다.
대부분의 수어 번역(SLT) 방법은 고립된 단일 언어 수어-음성 언어 쌍(예: 미국 수어 - 영어)에 초점을 맞추고 있다. 언어별 SLT 모델을 다국어 번역으로 확장하면 다양한 수어 및 음성 언어 커뮤니티 간의 의사소통이 가능해져 접근성이 향상될 수 있다. 그러나 기존의 다국어 SLT 접근법은 교차 언어 충돌을 최소화하면서 공유된 교차 언어 의미론을 포착하고 서로 다른 수어에 걸친 언어별 변이를 보존하는 통합 모델을 학습하는 데 여전히 어려움을 겪고 있다. 이에 우리는 수어 측과 음성 언어 측 모두에서 교차 언어 충돌을 공동으로 완화하는 다국어 SLT 통합 프레임워크인 Q-BridgeNet을 제안한다. 수어 측에서는 Q-BridgeNet이 적응적 분할(adaptive segmentation)과 잔차 벡터 양자화(residual vector quantization)를 통해 이산 Q-단위(Q-units)를 학습한다. 공유 기반 코드북(codebook)은 언어 독립적 의미 기본 단위를 제공하고, 언어별 잔차 코드북은 이질적인 수어 의미론을 정제한다. 음성 언어 측에서는 다국어 대규모 언어 모델(LLM)을 Q-단위 공간에서 동작하도록 파인튜닝하여 교차 언어 사전 지식을 활용함으로써 통합 SLT 모델을 구현한다. PHOENIX14T, How2Sign, CSL-Daily에 대한 실험에서 Q-BridgeNet은 교차 언어 충돌을 효과적으로 완화하여 기본 수어-음성 언어 쌍에서 최첨단 성능을 달성하는 동시에 비기본 쌍에 대해서도 강력한 일반화 성능을 보인다. 소스 코드는 https://github.com/FengLiQ/Q-BridgeNet 에서 공개적으로 이용 가능하다.
음소 인식(Phone Recognition, PR)은 교차 언어 음성 처리 및 음성학적 분석을 위한 언어 독립적 모델링의 원자적 인터페이스 역할을 한다. PR 시스템 개발에 오랜 노력이 기울여졌음에도 불구하고, 현재의 평가는 표면적인 전사 정확도만을 측정한다. 우리는 PRiSM을 소개한다. 이는 PR 시스템의 내재적 및 외재적 평가를 통해 음성 지각의 맹점을 드러내도록 설계된 최초의 오픈소스 벤치마크이다. PRiSM은 전사 기반 평가를 표준화하고, 전사 및 표현 탐침(representation probe)을 통해 임상, 교육, 다국어 환경에서의 다운스트림 활용성을 평가한다. 우리는 학습 중 다양한 언어 노출이 PR 성능의 핵심임을 발견하였으며, 인코더-CTC 모델이 가장 안정적이고, 특화된 PR 모델이 대규모 오디오 언어 모델보다 여전히 우수한 성능을 보임을 확인하였다. PRiSM은 강건한 음성학적 능력을 갖춘 다국어 음성 모델을 향해 분야가 나아갈 수 있도록 코드, 레시피, 데이터셋을 공개한다: https://github.com/changelinglab/prism.
배경: 대규모 언어 모델(LLM)은 체계적인 바이어스를 내포하고 있으며, 이는 채용, 직무 설계, 조직 의사결정에 LLM의 출력이 점점 더 큰 영향을 미치는 직장 및 HR 맥락에서 특히 중대한 문제이다. 기존의 바이어스 평가 접근법은 방법론적으로 분산되어 있어, 실무자들이 배포 위험을 평가하는 데 한계가 있다. 목적: 본 연구는 LLM의 방향성 출력 수준 바이어스를 정량화하고 비교하기 위한 다국어 이중 프레이밍 프레임워크인 BiasLab을 소개하며, 직장 및 HR 관련 6개 주제에 걸쳐 이를 시연한다. 방법: BiasLab은 대칭적 긍정·역방향 프롬프트 쌍, 무작위화된 래퍼 변형, 고정 선택지 응답 제약, 극성 정렬 점수화를 결합한다. 10개의 LLM을 6개 주제(리더십에서의 성별, 고용 공백 지원자, 채용에서의 연령, 원격 대 사무실 근무, 주 4일 대 5일 근무제, AI 보조 대 인간 단독 채용)에 걸쳐 12개 언어, 프레이밍 방향별 30회 반복으로 평가하여 총 43,200개의 응답을 산출하였다. 결과: 모든 10개 모델은 모든 주제에서 일관된 방향성 선호를 보였다. 반복적으로 나타난 비대칭 패턴은 모델들이 선호하지 않는 주장을 반박할 때, 그 반대 주장을 지지할 때보다 더 강하게 거부한다는 것으로, 이는 단일 프레임 설계에서는 드러나지 않는 특성이다. 결론: BiasLab은 모델 간 방향성 선호를 측정하기 위한 표준화되고 재현 가능한 도구를 제공한다. 특정 선호가 공정성 측면에서 바이어스를 구성하는지 여부는 주제에 따라 다르다. 성별, 연령과 같은 보호 속성의 경우 균등 고용 기준에 부합하는 반면, 그 외의 경우에는 체계적 선호로 보는 것이 더 적절하다. 이 프레임워크를 통해 조직은 채용에 모델을 도입하기 전에 모델들을 비교하고 검증할 수 있다.
색상 명명은 인간의 색상 지각에서 중요한 요소이다. 이 과제는 사람들이 이산적 색상 범주를 사용하여 연속적인 색상을 기술할 수 있도록 하는 것이다. 그러나 색상 범주 간의 경계는 종종 불분명하며, 일부 색상은 채도와 밝기에 따라 다르게 인식될 수 있다. 특정 색상 범주는 다양한 색조에 걸쳐 인식 가능한 상태를 유지하는 반면, 다른 범주는 외관이 변할 때 서로 다른 색상 이름과 연관될 수 있다. 본 연구는 자유 색상 명명 실험을 통해 빨강, 노랑, 초록 색상 범주의 명명 일관성을 조사한다. 이러한 색상들의 다양한 색조를 나타내기 위해 COLIBRI 데이터셋에서 18개의 색상 샘플을 선정하였다. 참가자(n = 92)는 사전 정의된 범주에 제한되지 않고 카자흐어, 러시아어 또는 영어로 각 샘플에 색상 이름을 자유롭게 부여하도록 요청받았다. 결과는 색상 범주가 일관성에서 차이를 보임을 나타낸다. 초록 색조는 외관의 변화에도 불구하고 일관되게 초록으로 식별된 반면, 노랑 색조는 금색 및 갈색 관련 표현을 포함한 더 다양한 이름을 받았다. 빨강 색조는 중간 수준의 명명 일관성을 보였다. 이러한 결과는 일부 색상 범주가 다른 범주보다 더 넓은 지각 영역을 차지하며, 따라서 시각적 변화에 더 강건할 수 있음을 시사한다. 본 연구 결과는 지각적으로 의미 있는 색상 모델과 색상 명명 시스템을 개발하는 데 활용될 수 있다.
다국어 SFT 데이터 합성 시 교사 모델 선택이 흔히 최대 규모 모델로 임의 결정되는 문제를 분석하고자, Polyglot Score(PG-Score)라는 내재적·외재적 평가 지표를 도입해 6개 언어에서 10개 언어 모델을 체계적으로 비교했다. 모델 규모보다 프롬프트 다양성, 길이, 응답 유창성 같은 데이터 품질 요소가 학생 모델 성능의 93.3% 이상을 설명하며, Gemma 3 27B와 Aya Expanse 32B가 일관되게 우수한 다국어 교사 모델로 나타났다.
소셜 미디어의 급격한 성장은 신속한 정보 교환을 가능하게 함으로써 전 세계 커뮤니케이션을 변화시켰지만, 동시에 잘못된 정보의 확산을 가속화하였다. 가짜 뉴스, 조작된 콘텐츠, 자극적인 서사는 사회적 불안, 정치적 불안정, 집단 폭력과 점점 더 깊이 연관되고 있다. 남아시아 및 기타 지역의 사례들은 Facebook과 WhatsApp 같은 플랫폼을 통해 유포된 허위 정보가 실제 피해를 초래할 수 있음을 보여주며, 이는 팩트체킹 노력이 대응하는 속도보다 빠르게 확산되는 경우가 많다. 이 문제를 해결하기 위해, 본 장에서는 잘못된 정보와 폭력 위험 역학의 조기 탐지를 위한 다국어 멀티모달 자연어 처리(NLP) 프레임워크를 제시한다. 여러 벤치마크 데이터셋을 결합하여 벵골어(Bangla)와 영어 샘플 138,256개로 구성된 융합 데이터셋을 구축하였다. 본 프레임워크는 다국어 텍스트 표현을 위한 XLM-RoBERTa, 시각적 임베딩을 위한 CLIP, 멀티모달 융합을 위한 멀티헤드 어텐션(multi-head attention) 메커니즘을 통합하며, 풍자(sarcasm) 및 지리공간 메타데이터와 같은 보조 특징으로 강화되었다. 계층적 30% 서브셋에 대한 실험에서 높은 정밀도와 재현율을 유지하며 98%의 테스트 정확도를 달성하였다. 실험 결과는 조기 잘못된 정보 탐지에서 멀티모달 접근법의 효과를 입증하며, 실제 상황의 갈등 고조를 예측하는 데 있어 지리공간 신호의 부가적 가치를 강조한다.
토크나이저는 언어 모델(LM)이 텍스트를 표현하고 처리하는 근본적인 기반을 제공한다. 토큰화의 중요성에도 불구하고, 토큰화의 영향을 독립적으로 측정하기 어렵기 때문에 LM 성능 및 동작에서 토큰화가 수행하는 역할은 충분히 이해되지 않고 있다. 이러한 필요를 해결하기 위해 우리는 TokSuite를 제시한다. TokSuite는 토큰화가 LM에 미치는 영향을 연구할 수 있도록 지원하는 모델 컬렉션과 벤치마크다. 구체적으로, 동일한 아키텍처, 데이터셋, 학습 예산, 초기화를 사용하되 서로 다른 기성 토크나이저를 적용한 14개의 사전학습 모델을 공개한다. 또한 원어민 주석자가 큐레이션한, 영어·중국어·페르시아어·이탈리아어·터키어에서의 실제 변형에 대한 모델 성능을 측정하는 다국어 강건성 벤치마크도 공개한다. TokSuite는 이를 통해 모델의 토크나이저 영향을 견고하게 분리할 수 있으며, 다양한 인기 토크나이저의 장단점을 규명하는 일련의 새로운 발견을 지원한다.
토큰화는 대부분의 자연어 처리(NLP) 파이프라인에서 첫 번째이자 종종 가장 덜 검토되는 단계이다. 토크나이저 학습을 위한 표준 알고리즘은 빈도 기반 목적 함수에 의존하는데, 이는 학습 데이터에서 지배적인 언어를 우대하고 결과적으로 저자원 언어에 불균형적으로 긴, 형태론적으로 부자연스러운, 심지어 <UNK> 플레이스홀더로 가득 찬 토큰화를 초래한다. 이 현상은 궁극적으로 서로 다른 언어 배경을 가진 사용자들 간의 계산적·금전적 불평등을 증폭시킨다. 이를 해결하기 위해, 우리는 널리 사용되는 BPE 알고리즘의 변형인 패리티 인식 바이트 쌍 인코딩(Parity-aware Byte Pair Encoding, BPE)을 제안한다. Parity-aware BPE는 매 병합 단계에서 현재 압축률이 가장 낮은 언어의 압축 이득을 최대화하는 공정-최대(fair-max) 규칙을 적용하여, 소량의 전역 압축률을 희생하는 대신 교차 언어 공정성을 확보한다. 실험 결과, Parity-aware BPE는 언어별 토큰 비용의 지니 계수(Gini coefficient)로 측정한 토큰화 불평등을 기존 BPE 대비 최대 89%까지 감소시킴을 확인하였다. 이는 전역 압축률에 무시할 수 있는 수준의 영향만을 미치며, 다운스트림 언어 모델(LM) 성능의 체계적인 저하 증거도 나타나지 않는다.
LLM-as-a-Judge 패러다임이 다국어 및 저자원 언어 환경으로 확장되는 현황을 파악하기 위해, ACL Anthology의 650편 중 해당 설정에 초점을 맞춘 33편을 심층 분석한 결과, 평가 결과의 불일치, LLM 판단에 대한 과신, 단일 판사 모델 의존이라는 문제가 반복적으로 나타났다. 저자들은 이러한 분석을 바탕으로 자연어 처리(NLP) 커뮤니티가 다국어·저자원 환경에서 LLM-as-a-Judge를 보다 신뢰성 있게 활용하기 위한 구체적인 권고 사항을 제시한다.
HaloGuard 1.0은 Anthropic의 Constitutional Classifiers 패러다임을 최초로 오픈 웨이트로 구현한 다국어 입력 안전성 분류기로, 46개 헌법 정책과 2,940개 하위 범주로 구성된 안전성 헌법을 합성 데이터 생성의 중심 구조로 삼아 유해 의도와 무해 경계 사례를 세밀하게 구분한다. HaloGuard 1.0-0.8B는 7개 프롬프트 안전성 벤치마크에서 평균 F1 90.9를 달성해 최대 27B 규모의 오픈 가드 모델을 능가하며, 4B 변형은 F1 92.1, FPR 3.5를 기록해 현재 최고 성능을 보인다.
신경망 기반 다국어 TTS 시스템이 자연스럽게 들리더라도 언어의 음운론적 대립 관계(예: 아삼어의 ATR 모음 조화)를 충실히 재현하는지를 MOS와 같은 표준 지표로는 검증할 수 없다는 문제를 다루며, 인간 발화로 학습된 분류기를 기반으로 TTS 출력의 음운론적 충실도(phonological faithfulness)를 감사하는 프레임워크를 제안한다. Meta의 MMS TTS에 적용한 결과, [+ATR] 중모음의 약 1/3이 [-ATR]로 실현되는 편향이 확인되었으며, 이 프레임워크는 측정 가능한 음향 단서를 가진 다른 음운론적 대립에도 일반화될 수 있다.
남아프리카 7개 언어를 대상으로 Mamba 기반 자동 음성 인식(ASR) 모델을 Conformer와 비교한 결과, Mamba는 더 적은 연산 자원으로 유사한 인식 정확도를 달성했으며 다국어 학습이 단일 언어 학습보다 일관되게 성능을 향상시켰다. 언어 임베딩(language embedding)을 명시적으로 추가하면 도메인 내 성능은 개선되지 않지만 코퍼스 간 견고성은 향상되며, 이 임베딩은 언어 유형론적 유사성을 반영하기보다 과제 특화 제어 벡터로 작동하는 것으로 분석되었다.
AthDGC(Athens-PROIEL)는 고대 아르카익 그리스어부터 현대 그리스어까지 8개 시대를 아우르는 최초의 공개 라이선스 의존 구문 트리뱅크(treebank)로, Stanford Stanza와 LaBSE, multilingual-BERT 기반 AwesomeAlign을 활용해 신약성서를 라틴어·고트어·고대 교회 슬라브어·고전 아르메니아어와 구절 수준으로 교차 정렬한 오픈소스 말뭉치 구축 워크플로우를 제공한다.
22개 언어, 11만 건 이상의 주석 데이터를 포함하는 대규모 다국어·다문화 온라인 극화(polarization) 탐지 공유 과제 SemEval-2026 Task 9를 소개하며, 극화 존재 여부 탐지, 유형 분류, 수사적 발현 방식 식별의 세 가지 서브태스크로 구성된다. 전 세계 1,000명 이상의 참가자와 67개 팀이 제출한 결과를 분석하여 앙상블 모델, 파인튜닝, 데이터 증강 등 효과적인 접근법을 제시하고 POLAR 데이터셋을 공개한다.
SemEval-2026 Task 9의 다국어 온라인 극화(polarization) 탐지 과제에서 영어에는 RoBERTa-base, 스와힐리어에는 AfroXLMR-base를 적용하고, 극심한 레이블 불균형 해소를 위한 클래스 가중 손실 함수와 레이블별 임계값 튜닝을 결합한 시스템을 제안한다. 이진 극화 탐지(Subtask 1)에서 F1 매크로 0.79 이상을 달성했으며, 특히 스와힐리어 발현 식별(Subtask 3)에서 16개 팀 중 2위를 기록하였으나 비인간화(dehumanization) 탐지와 공감 부재 식별은 여전히 어려운 과제로 남는다.
로마자 코드 혼합(RCM)—이중 언어 사용자가 인도 언어와 영어를 로마 문자로 혼용하는 방식—에서 대규모 언어 모델(LLM)의 지시 수행 능력을 체계적으로 평가하기 위해, 4개 인도 언어·7개 태스크·3단계 혼합 강도로 구성된 Indi-RomCoM 벤치마크를 제안한다. 19개 LLM을 제로샷/퓨샷 설정으로 평가한 결과, 코드 혼합 밀도가 높아질수록 성능이 단조적으로 저하되며, 특히 독성(Toxicity) 감지 같은 탐지 태스크가 추론 태스크보다 더 큰 성능 저하를 보였다.
저자원 자연어 처리(NLP) 분야가 지난 10년간 급속히 성장했음에도 불구하고, 모델 스케일링 역량이 진정한 평가에 필요한 인간 인프라—주석 전문성, 언어 공동체 참여, 데이터 주권—를 훨씬 앞질러 나가는 '주석 희소성 역설(Annotation Scarcity Paradox)'이 보고된 성과의 인식론적 타당성을 위협한다고 비판적으로 진단한다. 이 서베이는 2014년부터 현재까지의 저자원 NLP 평가를 세 단계로 분석하며, 추출적 데이터 파이프라인에서 벗어나 공동체 주도의 참여적 평가 체계로의 패러다임 전환을 촉구한다.
우리는 영어, 독일어, 프랑스어로 된 다국어 역사 신문 기사에서 인물-장소 관계 추출을 다루는 HIPE-2026 공유 태스크를 위한 효율적이고 정확한 시스템인 DistilledGemma를 제안한다. 우리의 접근법은 분류 정확도와 계산 효율성의 균형을 맞추도록 설계된 3단계 지식 증류 파이프라인을 채택한다. 1단계에서는 이 어려운 태스크에 가장 효과적인 추론 아키텍처를 파악하기 위해 여덟 개의 대규모 언어 모델에 걸쳐 프롬프트 엔지니어링 전략을 체계적으로 탐색하였다. 2단계에서는 QLoRA를 통한 지도 미세조정(SFT)을 Gemma 4 26B A4B 교사 모델에 적용하여, 강력한 다국어 능력을 활용해 학습 코퍼스 전반에 걸쳐 실버 스탠더드 사고의 연쇄 추적 데이터를 생성하였다. 최종 단계에서는 학습된 추론 패턴을 소형 Gemma 4 E2B 학생 모델로 전이하기 위해 응답 수준 증류를 수행하였다. 공식 평가에서 우리 팀 WHEREAMI는 표준 테스트 세트에서 정확도 프로파일 평균 점수 0.688로 3위, 이진 테스트 세트에서 평균 점수 0.8156으로 2위를 기록하였다. 특히, 26B 교사 모델에서 2.3B 학생 모델로 지식을 증류함으로써 강력한 추론 능력을 유지하면서 배포된 모델 크기를 약 2.3B 유효 파라미터로 줄였으며, 학습 중에 사용된 LoRA 어댑터는 추론을 위해 학생 모델에 병합되었다. 이 구성은 표준 및 이진 테스트 세트 모두에서 균형 잡힌 효율성-정확도 프로파일 부문에서 2위를 기록하였다. 이 결과들은 지식 증류가 과도한 계산 비용 없이 경쟁력 있는 성능을 달성하면서 역사적 문서 처리를 위한 실용적이고 확장 가능한 솔루션을 제공함을 보여준다.
인도의 정부 문서는 마라티어와 같은 지역 언어로 주로 발행되어, 비원어민 독자, 주(州) 간 행정 기관, 정책 분석가에게 상당한 접근성 장벽을 초래한다. 최근 신경망 기계 번역(machine translation)의 발전으로 문장 수준의 번역 품질이 향상되었지만, 기존 시스템은 대부분 문서 구조, 서식 무결성, 도메인 특화 용어를 무시함으로써 공식 문서에 대한 적용 가능성을 제한하고 있다. 본 논문은 레이아웃 충실도를 유지하면서 엔드-투-엔드 문서 변환을 수행할 수 있는, 구조 보존 방식의 마라티어-영어 정부 문서 번역 프레임워크를 제시한다. 제안된 시스템은 레이아웃 인식 광학 문자 인식(OCR), 좌표 기반 텍스트 추출, 대규모 언어 모델(LLM) 기반 번역, 그리고 HTML 표현을 통한 구조화된 문서 재구성을 통합한다. 공간적 정렬 제약을 적용하고 계층적 문서 요소를 보존함으로써, 본 프레임워크는 원본 문서와 번역 문서 간의 구조적 일관성을 보장한다. 실제 마라티어 정부 PDF에 대한 실험적 평가를 통해, 기존의 텍스트 전용 번역 파이프라인에 비해 구조 보존성, 번역 일관성, 용어 일관성이 향상되었음을 확인하였다. 제안된 프레임워크는 전자 정부(e-governance) 및 행정 문서 처리를 위한 확장 가능한 다국어 접근성 솔루션에 기여한다.