디지털 자산 거래소 업비트를 운영하는 두나무(대표 오경석)는 자사 머신러닝(Machine Learning)팀이 수행한 개인 맞춤형 뉴스 추천 연구가 정보검색 분야의 최고 학술 행사인 ‘SIGIR 2025’에 채택되어 메인 세션에서 발표됐다고 밝혔다. 이번 성과로 두나무의 AI 연구 수준이 국제 무대에서 다시 한번 입증됐다.

‘SIGIR(The 48th International ACM SIGIR Conference on Research and Development in Information Retrieval)’은 정보 검색 및 추천 시스템 분야에서 가장 영향력 있는 국제 학회 중 하나로, 올해 제출된 논문 중 약 27%만이 심사를 통과해 발표 기회를 얻었다.

올해 행사는 7월 13일부터 18일까지(현지시각) 이탈리아 파도바의 센트로 콩그레스에서 개최된다. 두나무의 박충원 연구원은 지난 7월 14일 현지에서 발표자로 나서 연구 결과를 공유했다.

해당 논문의 제목은 ‘‘LLM 기반 사용자 시뮬레이터: 실제 사용자 상호작용 없이 뉴스 추천 모델을 학습하기 위한 방법론(원문 논문명: LLM as User Simulator: Towards Training News Recommender without Real User Interactions)’으로, 실제 이용자 데이터 없이 대규모 언어 모델(LLM)을 통해 가상 사용자를 생성하고, 이들이 상호작용한 것처럼 데이터를 만들어 뉴스를 추천하는 방안에 대해 다룬 것이 핵심이다. 기존의 로그 기반 모델이 가진 개인정보 이슈와 데이터 수집 부담을 효과적으로 줄였다는 점에서 주목을 받았다.

일반적으로 뉴스 추천 시스템은 사용자의 클릭 이력이나 선호 정보 등 실제 이용 데이터를 수집해 학습하지만, 이 과정은 데이터 확보의 어려움과 프라이버시 침해 문제를 동반한다. 두나무는 이를 해결하기 위해 LLM을 활용한 시뮬레이션 프레임워크 ‘LAUS’를 고안했다.

LAUS 모델은 가상의 사용자가 다양한 반응을 보이는 상황을 시뮬레이션함으로써 훈련 데이터를 자동으로 생성한다. 실험 결과, 기존의 제로샷(zero-shot) 방식보다 높은 정확도를 기록했으며, 응답 지연 시간도 짧아 실용성이 입증됐다. 또한 노르웨이어 및 영어 등 다국어 환경에서도 실제 사용자 데이터를 학습한 모델에 근접한 성능을 보여주었다. 이는 고품질의 개인화 서비스를 빠르고 안전하게 구현할 수 있는 기술적 가능성을 제시한 것으로 평가된다.

한편, 두나무 머신러닝팀은 주식 및 디지털 자산 시장을 대상으로 한 인공지능 모델 연구에도 박차를 가하고 있으며, 지난해 ‘콜링 2025’ 행사에서 금융 허위정보 탐지 부문 챌린지 1위를 차지하는 등 글로벌 AI 연구 분야에서 성과를 인정받고 있다.