ACL 2025 후기 by Sunkyung

1 Aug 2025

저희 연구실에서는 올해 국제 학회 ACL에 다음 논문을 출판하게 되어 오스트리아 비엔나에 다녀왔습니다.

GRAM: Generative Recommendation via Semantic-aware Multi-granular Late Fusion [paper] [code]
Sunkyung Lee, Minjin Choi, Eunseong Choi, Hye-young Kim, Jongwuk Lee
The 63rd Annual Meeting of the Association for Computational Linguistics (ACL)
Vienna, Austria, July 27–Aug 1, 2025

Enjoy ACL

흥미로운 통계들

올해 ACL에는 총 8,360편의 논문이 제출되었으며, 그중 약 20.3%(1,692편)편이 Main Conference에 Accept 되었습니다. 이는 ACL'24 대비 70% 증가한 제출 편수입니다. ACL'25는 역대 최대 규모의 ACL이자 역대 최대 규모의 NLP Conference라고 합니다.

올해 가장 많이 제출 및 게재된 연구 분야는 'NLP Applications' 였으며, 'Resources and Evaluation', 'Multimodality and Language Grounding', 'Efficient-Low-Resource Methods' ,'Language Modeling' 등이 그 뒤를 이었습니다. 아주 놀랍게도 First authors 통계에서 우리나라는 5.2%로 3위를 기록했습니다. 또한 65%의 논문 제목에 ':'이 포함되어있다고 합니다.

올해 Oral sessions with panel discussion이라는 발표 형식이 새로 생겼습니다. 아래 다섯 가지 주제에 대해서 진행되었는데, NLP community의 관심사가 반영된 주제 선정이 아닌가 생각이 들었습니다.

- Generalisation of NLP models

- LLM alignment

- Human-centred NLP

- Interpretability and model analysis

- Multilinguality and language diversity

Conference

학회 기간동안 우리 연구실의 이선경 학생이 논문 발표를 진행하였습니다.

Generative Information Retrieval @ ACL’25

연구실에서 발표한 논문 GRAM의 연구 분야인 Generative Information Retrieval 관련하여 이번 ACL에 게재된 논문은 아래와 같습니다.

- HierGR: Hierarchical Semantic Representation Enhancement for Generative Retrieval in Food Delivery Search

- Link: https://aclanthology.org/2025.acl-industry.31/

- Task: Food delivery search

- TL;DR: Meituan food delivery search에 특화된 생성 기반 검색 방법 제안. hierarchical semantic ID 생성과 dense retrieval 통합하는 방법론 제안. A/B testing을 통해 실제 플랫폼에서 주문 수 향상 확인

- On Synthetic Data Strategies for Domain-Specific Generative Retrieval

- Link: https://aclanthology.org/2025.acl-long.392/

- Task: Generative document retrieval

- TL;DR: domain-specific generative retrieval을 위해 (1) multi-granular synthetic queries를 활용한 SFT와 (2) hard negative를 활용한 preference learning의 2단계 학습 전략을 제안

- Multi-level Relevance Document Identifier Learning for Generative Retrieval

- Link: https://aclanthology.org/2025.acl-long.497/

- Task: Generative document retrieval

- TL;DR: query와 document 간의 **multi-level relevance**를 활용해, 유사 문서는 비슷한 ID, 이질적인 문서와는 다른 ID를 생성하는 방법론 제안

- GRAM: Generative Recommendation via Semantic-aware Multi-granular Late Fusion

- Link: https://aclanthology.org/2025.acl-long.1596/

- Task: Generative recommendation

- TL;DR: 풍부한 item 정보를 효과적으로 활용하기 위해 (1) 아이템 관계를 textual format으로 풀어쓰는 semantic-to-lexical translation과 (2) 아이템 정보를 효율적으로 결합하는 multi-granular late fusion 방법론을 제안함

- CART: A Generative Cross-Modal Retrieval Framework With Coarse-To-Fine Semantic Modeling

- Link: https://aclanthology.org/2025.acl-long.735/

- Task: Generative cross-modal retrieval

- TL;DR: text-to-{image, audio, video} 검색을 위해 coarse-to-fine 방식으로 ID를 부여하고 생성하는 방법론 제안

<결론>

1. 다양한 도메인으로의 확장

- SIGIR’25와 비슷한 느낌

- 기존 문서 검색뿐만 아니라 cross-modal retrieval, food retrieval 등으로 확장

2. 실제 서비스 적용을 고려한 효율성 개선

- latency, scale, 시스템 통합을 고려한 현실적인 설계가 증가

- HierGR에서 hierarchical ID + dense retrieval 통합, query cache 활용

- Benchmark dataset의 성능뿐 아니라 실제 A/B 테스트 수행