베슬AI가 발표한 DLLM-JEPA와 ICML 2026 학회 현장 이야기

핵심 요약

• ICML 2026이 7월 6일부터 11일까지 서울 코엑스에서 열렸어요. 전 세계 AI 연구자와 기업 관계자 약 1만 5천 명이 모였고, 6,600편이 넘는 논문이 채택됐어요.
• 미국·유럽 밖에서 ICML이 열린 건 이스라엘, 베이징에 이어 세 번째예요. 그만큼 한국의 AI 위상이 올라왔다는 신호예요.
• 베슬AI는 부스 전시와 함께 남상대 연구원의 논문 'DLLM-JEPA'가 ICML 2026 SPIGM 워크숍에 채택되며 연구 성과를 선보였어요.
• DLLM-JEPA는 얀 르쿤 교수가 제안한 JEPA를 언어 모델에 적용하고 마스크드 디퓨전을 결합해, 학습 연산량을 33% 줄이는 방식을 입증했어요.

7월 초중순 서울 코엑스는 전 세계 AI 연구자들로 붐볐어요. 40년 역사의 국제머신러닝학회(ICML)가 처음으로 한국에서 열렸거든요. 베슬AI도 이 자리에 부스를 열고 연구 논문을 발표했어요. 학회에서 무슨 일이 있었는지, 그리고 GPU 인프라 기업인 베슬AI가 왜 이런 자리에 나가는지 정리했어요.

이 글은 ICML 2026, AI 기술과 인재 확보를 위한 '총성 없는 격전지' 기사를 바탕으로 작성했어요.

세계 3대 AI 학회, ICML이 서울에 왔어요

ICML(International Conference on Machine Learning)은 NeurIPS, ICLR과 함께 인공지능 업계의 3대 학회로 꼽혀요. 그중에서도 역사가 가장 오래됐고, 이론적 기초와 알고리즘, 수학적 증명을 중시하는 학회예요. 올해로 43회를 맞은 ICML 2026은 7월 6일부터 11일까지 서울 코엑스에서 열렸어요.

규모부터 남달랐어요. 전 세계 AI 기업과 학계 관계자 약 1만 5천 명이 참석했고, 6,600편이 넘는 논문이 채택됐어요. 기계학습 이론부터 AI 안전과 윤리, 경제와 정책, 계산 생물학, 자연어 처리까지 다양한 분야에서 기조연설이 이어졌고, 44개의 전문 워크숍이 함께 진행됐어요. 미국과 유럽 밖에서 ICML이 열린 건 이스라엘, 베이징에 이어 세 번째로, 한국의 높아진 AI 위상을 보여주는 대목이에요.

현장에는 구글과 구글 딥마인드, 오픈AI, 메타, 애플, 마이크로소프트, 미스트랄 같은 글로벌 빅테크가 총출동했어요. 국내에서도 총 357편의 논문이 채택됐고, KAIST가 120건, 서울대가 77건을 제출하며 존재감을 보였어요. 기업과 스타트업 중에서는 디노티시아, 노타, 하이퍼엑셀, 프렌들리AI와 함께 베슬AI도 부스를 차리거나 논문을 발표하며 자리를 지켰어요.

베슬AI가 ICML 2026에서 선보인 연구

베슬AI는 부스 전시와 함께 연구 성과 한 편을 들고 나갔어요. 남상대 연구원이 제출한 논문 'DLLM-JEPA: 마스크드 디퓨전 언어모델을 위한 결합 임베딩 예측 아키텍처'가 ICML 2026 SPIGM 워크숍에 채택된 거예요.

이름은 낯설지만, 핵심 아이디어는 "어떻게 하면 언어 모델을 더 적은 연산으로 학습시킬 수 있을까"예요. 요즘 AI 연구가 어떤 방향으로 움직이고 있는지 궁금하다면, 오픈 모델의 학습 방식을 다룬 이 글도 함께 읽어보면 좋아요.

DLLM-JEPA, 학습 연산을 33% 줄이는 방식

DLLM-JEPA는 얀 르쿤 교수가 제안한 JEPA(Joint-Embedding Predictive Architecture, 결합 임베딩 예측 아키텍처)에서 출발해요. JEPA는 다음에 올 단어나 픽셀을 그대로 맞히는 대신, 추상적인 표현 공간에서 다음 상황을 예측하도록 학습하는 방식이에요. 남상대 연구원의 논문은 이 JEPA를 언어 모델에 적용하고, 여기에 마스크드 디퓨전 언어 모델을 결합했어요.

방법은 이래요. 단어를 무작위로 가리는 마스킹 기술을 써서, 하나의 데이터로 서로 다른 두 개의 데이터를 제공하는 것과 같은 효과를 만들었어요. 그리고 학습을 한 번만 진행해도 되도록 설계를 개선했어요. 그 결과 LLM-JEPA의 연산 총량을 33% 절감할 수 있다는 걸 입증했어요.

연산량을 33% 줄인다는 건 GPU 관점에서 곧 학습 비용과 시간을 줄인다는 뜻이에요. 같은 예산으로 더 많은 실험을 돌리거나, 같은 실험을 더 저렴하게 끝낼 수 있다는 의미죠. GPU 인프라를 다루는 베슬AI가 이런 연구에 관심을 두는 이유이기도 해요.

학회는 왜 인프라 기업에게 중요할까요

ICML 같은 학회는 이제 연구자들만의 자리가 아니에요. 빅테크가 기술 경쟁력을 과시하고 고급 AI 인재를 만나는 자리로 바뀌었어요. 전지환 베슬AI 최고기술책임자(CTO)도 이 점을 짚었어요.

전지환 CTO는 "ICML은 학술 행사지만 대형 AI 기업들과 하이퍼스케일러들의 각축장"이라고 말했어요. 이어 "학술 행사에서는 고성능 AI 기술과 첨단 기술을 가장 빨리 접하는 연구자들을 직접 만날 수 있다"고 덧붙였어요.

고성능 AI 인프라를 가장 먼저, 가장 많이 필요로 하는 사람들이 바로 최전선의 연구자들이에요. 베슬AI가 학회 현장에서 이들과 직접 만나 피드백을 듣고, 연구 성과를 나누는 이유예요. 인프라를 파는 데서 끝나는 게 아니라, 연구자와 개발자가 AI로 만들고 싶은 걸 더 빨리 만들 수 있도록 돕는 게 목표거든요.

베슬AI와 함께 시작해보세요

DLLM-JEPA처럼 새로운 학습 방식을 실험하려면 결국 안정적인 GPU 환경이 필요해요. 베슬AI는 분산된 GPU 자원을 하나의 플랫폼으로 묶어, 연구자와 개발자가 인프라 걱정 없이 실험에 집중할 수 있게 도와요. 어떤 GPU가 필요한지 아직 정하지 못했더라도 괜찮아요. 상황을 알려주시면 함께 찾아드릴게요. 언제든 상담을 남겨주세요.

VESSL Cloud 시작하기

자주 묻는 질문