한눈에 — 무엇이 새로 풀렸나
📘 학회 개요·6일 프로그램·기본 정보 등 기본 사항은 4월 발행된 ICML 2026 참가 가이드 (v1)에서 확인. 본 글은 그 이후 신규 공개된 정보 (Invited Talks · Workshops · Tutorials · 한국 출전) 정리 (v2).
SemiHub의 4월 ICML 가이드 발행 후 6주 동안, 학회 측에서 4건의 중요 공지를 추가로 발표했습니다. 카테고리별로 정리하면 다음과 같습니다.
| 카테고리 | v1 (4월 가이드 시점) | v2 (5월 D-47 update) |
|---|---|---|
| 논문 통계 | 제출 23,918편, 채택 발표 대기 | 채택 6,352편 (채택률 26.6%) · 4/30 Author Notification 완료 |
| Invited Talks (6명) | 5/18 발표 예정 | 6명 풀 라인업 공개 — Fung · Athey · Kakade · Regev · Rieser · Narayanan |
| Workshops | 5/15 확정 대기 | 메인 44개 + Affinity 4개 풀 리스트 (4/6 ICML Blog) · 247개 제안 중 채택률 약 18% |
| Tutorials | 4/2 공개 (5/24 가이드 미반영) | 10개 튜토리얼 풀 리스트 — 7/6(월) 첫날 진행 |
| Early Registration | D-50+ | D-4 임박 (5/24 마감) |
| Peer Review | 표준 진행 | LLM Policy 위반 497편 desk-reject (~2%) · AI watermarking 검출 |
한 줄 요약: ICML 2026은 한국 첫 개최 + 채택률 26.6% + Invited Talks 6명 다양성 + 워크샵 44개 풍성 + Tutorials 10개의 풀 패키지가 D-47 시점에 완성된 상태. Early 등록 D-4 마감 임박.
🚨 Early Registration 마감 D-4: 2026년 5월 24일(일) 23:59까지. 이후 Standard/Late 요금 적용.
ICML 2026 등록 페이지 → · 가격 페이지
ICML 2026 등록 페이지 → · 가격 페이지
1. 논문 통계 — 접수 23,918편 → 채택 6,352편 (26.6%)
ICML 2026은 역대 최대 규모의 제출을 기록했습니다. 4월 30일 Author Notification이 완료되어 채택률이 공개됐습니다.
| 접수 (Submitted) | 23,918편 — 역대 최대 |
| 채택 (Accepted) | 6,352편 |
| 채택률 | 26.6% |
| Author Notification | 2026년 4월 30일 (완료) |
| Camera-Ready | 학회 개최 전 (5~6월 내) |
참고: ICML 채택률은 일반적으로 25~28% 범위. 2026년 26.6%는 전년과 비슷한 수준이지만 제출 수가 전년 대비 약 2배로 늘어난 상태에서 유지된 수치. 한국 기관별 채택 paper는 OpenReview ICML 2026 페이지 또는 각 기관 publication 안내에서 개별 확인.
한국 기관 publication 예시:
- RIKEN AIP (일본) — 45 papers accepted at ICML 2026 공식 발표
- UCL Faculty of Engineering — papers accepted 공식 발표
- 국내 KAIST · 서울대 · POSTECH · 연세대 등은 lab별 publication 페이지 또는 OpenReview에서 개별 확인 가능
2. Invited Talks 6명 (5/18 공개)
2026년 5월 18일 ICML Blog에서 공식 발표된 Invited Talks 6명 풀 라인업. ML 이론 · AI Safety/Ethics · Economics · Computational Biology · NLP · Human-Computer Interaction 6개 영역을 골고루 커버합니다.
Pascale Fung
Co-founder · Chief Research & Innovation Officer, AMI Labs
Chair Professor, Electronic and Computer Engineering, HKUST
Director, Centre for AI Research (CAiRE)
영역: Conversational AI · 윤리 AI · Affective Computing · 통계 NLP · Human-Machine Interaction (특히 음성)
관전 포인트 (한국 청중 fit): 홍콩 베이스 + UN AI Governance Advisory Body + WEF Global Futures Council. 아시아 권역에서 AI 거버넌스 정책에 직접 영향력 있는 인물. AAAI · IEEE · ACL · ISCA Fellow. ACL · EACL Outstanding Paper 다수. 한국 청중에게는 "AI 정책·산업 응용 양쪽을 동시에 이해하는 시야" reference로 가치.
Susan Athey
Economics of Technology Professor, Graduate School of Business, Stanford University
영역: Digital Economics · Causal Inference × AI · 응용 (목재 경매 · 인터넷 검색 · 광고 · 미디어 · 노동 · 헬스 · 사회적 임팩트)
관전 포인트: John Bates Clark Medal 수상 (40세 미만 경제학자 최고 영예). American Economic Association Distinguished Fellow. 경제학자가 AI에 들고 오는 시각 — Causal Inference + AI 결합으로 "AI 도입의 진짜 인과 효과"를 측정하는 방법론. 산업·정책 측면 의사결정 모델링에 시사점.
Sham M. Kakade
Rampell Family Professor of Computer Science and Statistics, Harvard University
Co-director, Kempner Institute
영역: RL 이론 · Foundation Model 학습 방법론 · Tensor methods · 딥러닝 이론 (Feature learning, Memorization, Emergence)
관전 포인트: ICML Test of Time Award 수상자. RL의 핵심 통계 이론·확률적 효율 정책 탐색 방법 정립. LLM/Foundation Model의 scalable 학습 방법론 다수 개발. Harvard Kempner Institute = 뇌과학+AI 융합 연구소 co-director. ML 이론과 LLM 실무 양쪽을 모두 다루는 보기 드문 인물.
Aviv Regev
Executive Vice President · Head of Genentech Research and Early Development
National Academies of Sciences and Medicine 회원 · Royal Society Fellow
영역: AI/ML in Drug Discovery · "Lab in the Loop" · Single-cell genomics · Cell-tissue circuits
관전 포인트: Genentech의 신약 R&D 총책임자가 ICML 키노트. "Lab in the Loop" — 실험실 데이터와 AI 모델이 closed-loop으로 반복하며 신약 후보를 가속하는 방법론. AI가 산업 R&D에 실제로 어떻게 통합되는지 보여주는 case. Keio Medical Science Prize · L'Oréal-UNESCO For Women in Science Award · Lurie Prize 수상.
Verena Rieser
Research Scientist, Google DeepMind
Honorary Professor, Heriot-Watt University
영역: Frontier AI 모델의 책임 있는 개발 · Conversational RL agents · 고도화 평가 방법론 · Sociotechnical Alignment
관전 포인트: Google DeepMind의 Frontier AI Alignment 책임자. Amazon Alexa Prize 두 번 결승 진출. Leverhulme Trust Senior Research Fellow. 학제 간 접근 — RL agents + 평가 방법론 + sociotechnical alignment를 함께 다룸. 산업계 frontier AI 정렬·평가 trends를 가장 가까이서 보는 시각.
Arvind Narayanan
Professor of Computer Science, Princeton University
Director, Center for Information Technology Policy
영역: AI 사회적 영향 · AI Agent 평가 과학 · AI가 기관·전문직에 미치는 영향 · 알고리즘 증폭 · 컴퓨팅 공정성·윤리
관전 포인트: "AI Snake Oil" 저자 (AI 과장·오용 비판 책). 에세이 "AI as Normal Technology"와 동일 제목 뉴스레터 운영. TIME 100 most influential people in AI 첫 리스트 선정. Presidential Early Career Award (PECASE) · Caspar Bowden PET Award 두 번 수상. AI 산업 거품·오용 시각에서 균형 잡힌 분석을 제시하는 보기 드문 권위.
Invited Talks 6명 종합: AI Safety/Ethics (Fung · Rieser · Narayanan) · ML 이론 (Kakade) · Economics × AI (Athey) · Biology × AI (Regev). 산업·이론·정책·응용 4축을 모두 다루는 구성. 추가 detail (talk 주제·발표일·발표 시간)은 "coming weeks"에 추가 공개 예정 (ICML Blog 5/18 공지).
3. Workshops 44개 + Affinity 4개 (4/6 확정)
2026년 4월 6일 ICML Blog 공식 발표. 247개 제안 중 44개 채택 (채택률 약 17.8%), 전년 150개 제안 대비 65% 증가한 최다 제안. 메인 워크샵은 7월 10일(금)~11일(토) 본행사 후, Affinity 워크샵은 7월 7일(화)~9일(목) 본행사와 병행 진행.
반도체 엔지니어 fit 4개 (Highlight)
AdaptFM — Resource-Adaptive Foundation Model Inference
왜 주목: Foundation Model 추론을 HW 리소스 제약 (메모리·전력·대역폭)에 적응시키는 방법. 모델 양자화·압축·동적 경량화 등. Edge AI · 모바일 · On-device LLM 응용에 직접 영향. 반도체 엔지니어 입장에서 "어떤 ISA·메모리 구조가 적응형 추론을 잘 지원하는가?" 질문 직접 다룸.
AI4NextG — AI and ML for Next-Generation Wireless (2nd Workshop)
왜 주목: 6G·차세대 무선통신에 AI/ML 적용. 학계-산업 협업 관점 (Academia-Industry Collaboration Perspective)이 부제. 반도체 통신 칩 (RFIC · Baseband Processor) 설계에 ML이 어떻게 들어가는지 다룸. 한국 통신·반도체 산업 (SK텔레콤 · 삼성 5G/6G · 모뎀 칩) 청중 fit 강함.
AI4Physics — AI for Physics
왜 주목: 물리 시뮬레이션을 AI로 가속. 반도체 공정 시뮬레이션 (TCAD, Process simulation), 디바이스 모델링, EM/Thermal 시뮬레이션에 직접 응용 가능. Lab in the Loop · Physics-informed Neural Network · Differentiable simulation 등 트렌드. 반도체 R&D 자동화 직접 fit.
SCALE — Scalable Learning and Optimization for Efficient Multimodal AI Agents
왜 주목: Multimodal AI Agent의 학습·추론 효율화. Vision + Language + Audio 통합 모델을 효율적으로 학습·배포하는 방법. Edge AI 칩 (NPU·VPU) · Multimodal SoC 설계에 직접 입력. 반도체 산업의 AI 칩 로드맵 (NVIDIA Rubin · Apple M-series 등)과 정확 sync.
전체 44개 메인 워크샵 풀 리스트
- SCALE: Scalable Learning and Optimization for Efficient Multimodal AI Agents
- 2nd Workshop on Compositional Learning: Safety, Interpretability, and Agents
- Structured Probabilistic Inference & Generative Modeling
- Combining Theory and Benchmarks: Virtuous Cycle for Foundation Models
- 1st Workshop on Culture x AI: Evaluating AI as a Cultural Technology
- AI for Science: AI Scientists — Tools, Co-authors, or Founders?
- Trustworthy AI for Good
- Graph Foundation Models: A New Era for Graph Machine Learning
- Technical AI Governance Research
- 2nd Workshop on the Impact of Memorization on Trustworthy Foundation Models
- Human-AI Co-Creativity: Advances, Opportunities, and Challenges
- 2nd Workshop on Connecting Low-rank Representations in AI
- High Dimensional Learning Dynamics: the Science of Scaling
- Failure Modes in Agentic AI: Reproducible Triggers, Trace Diagnostics, and Verified Fixes
- 2nd Workshop on Agents in the Wild: Safety, Security, and Beyond
- 3rd AI for Math Workshop: Toward Self-Evolving Scientific Agents
- ICML 2026 Workshop on Hypothesis Testing
- 3rd Workshop on Multi-modal Foundation Models and LLMs for Life Sciences
- RLxF: RL from World Feedback
- Philosophy Meets Machine Learning: What Counts as Trustworthy?
- AI as a Tool for Mathematics, Computer Science, and Machine Learning
- Foundations of Deep Generative Models: Memorization, Generalization, Reasoning
- Mechanistic Interpretability
- Continual Adaptation at Scale: Towards Sustainable AI
- AdaptFM: Resource-Adaptive Foundation Model Inference ⭐
- New Frontiers in Game-Theoretic Learning — NExT-Game
- Future of AI for Biology at the Intersection of Generative and Agentic AI
- AI for Law Workshop
- Efficient Multimodal Question Answering
- Pluralistic Alignment Workshop at ICML 2026
- Planning in The Era of Language Models (LM4Plan)
- Learning to Listen: ML for Audio
- Structured Data for Health
- 2nd Workshop on Epistemic Intelligence in Machine Learning
- Forecasting as a New Frontier of Intelligence
- AI4NextG: AI and ML for Next-Generation Wireless ⭐
- Workshop on Weight-Space Symmetries: Foundations to Applications
- Foundation Models for Structured Data (FMSD)
- Decision-Making from Offline Datasets to Online Adaptation
- From Frames to Stories (F2S): Long-Horizon Video Generation
- Deep Learning for Code: Human-Centered Coding Agents
- Statistical Frameworks for Uncertainty in Agentic Systems
- AI4Physics: An ICML 2026 Workshop on AI for Physics ⭐
Affinity Workshops 4개 (병행 진행)
- The 6th Muslims in ML (MusIML) Workshop
- WiML Symposium at ICML 2026 (Women in ML)
- LatinX in AI Workshop
- GlobalSouthML @ ICML 2026
워크샵 chairs 코멘트: 60개 이상 제안의 제목에 "agentic AI" 등장. 산업·학계 모두 가장 활발한 키워드. 그 외에도 철학·윤리·통계 가설 검정·게임 이론·무선 네트워킹·금융까지 long-tail 분포 광범위.
전체 워크샵 상세·OpenReview link: ICML Blog Workshops Announcement
4. Tutorials 10개 (7/6 월요일, 학회 첫날)
2026년 4월 2일 ICML Blog 공식 발표. 모든 튜토리얼은 학회 첫날 (Monday July 6) 코엑스에서 진행. 3-pronged 선정 (초청 3 + 커뮤니티 제안 7), 총 52개 제안 중 7개 추가 채택.
초청 튜토리얼 3개
| Is numerical optimization theory irrelevant to ML practice in 2026? | Mark Schmidt (UBC) |
| Probabilistic Numerics — Computation is Machine Learning | Philipp Hennig, Marvin Pförtner, Tim Weiland (U Tübingen) |
| Calibration: From Predictions to Decisions, Collaboration, and Alignment | Aaron Roth, Natalie Collina (UPenn) |
커뮤니티 추천 튜토리얼 7개
| Proving Theorems with Lean and Machine Learning | Rémy Degenne, Wenda Li |
| Evaluating and Training LLMs for Math Copilots and Theorem Proving | Simon Frieder, Philip Vonderlind |
| Adaptive Reasoning in LLMs: From Post-Training to Test-Time Learning | Akhil Arora, Nouha Dziri |
| New Techniques for Sequence Prediction: Spectral Filtering and Preconditioning | Elad Hazan, Annie Marsden |
| Unifying Attention and Diffusion with Kan Extension Transformers: Diagrammatic Backpropagation | Sridhar Mahadevan |
| Unlearning Data at Scale | Vinith M. Suriyakumar, Gautam Kamath, Ashia Wilson |
| Diffusion and Flow-Matching: From Memorization to Generalization & Beyond | Mathurin Massias, Quentin Bertrand |
주목 튜토리얼 — 반도체 fit / Frontier 트렌드
Adaptive Reasoning in LLMs (Post-Training → Test-Time Learning)
왜 주목: OpenAI o1 · DeepSeek R1 등이 보여준 test-time compute scaling 트렌드 정리. LLM 추론을 학습 후 시점에 어떻게 확장하느냐는 NPU·AI 칩 설계의 새 변수 (메모리 대역폭 · KV cache · 동적 batching). 반도체 엔지니어가 다음 세대 칩 ISA 결정 시 필수 이해 영역.
Diffusion and Flow-Matching
왜 주목: Stable Diffusion · Sora · Flux 등 생성형 모델의 핵심 알고리즘 정리. Memorization → Generalization 전환점 이해. Diffusion HW 가속 (DiT 가속기 등) 설계의 알고리즘 base.
Unlearning Data at Scale
왜 주목: GDPR·"Right to be forgotten" 시대 LLM에서 특정 데이터의 영향을 어떻게 제거할 것인가. 모델 재학습 비용 절감과 직결. 산업 LLM 배포 (특히 의료·금융) 필수 영역.
Numerical Optimization Theory Irrelevant in 2026?
왜 주목: Mark Schmidt (UBC, 최적화 권위)가 던지는 도발적 질문. 대규모 LLM 학습 시대 SGD/Adam만 쓰는 현실에서 "최적화 이론이 실무에 의미 있는가?"를 정리. 반도체 HW 가속 vs 알고리즘 효율의 trade-off 이해에 도움.
전체 튜토리얼 detail: ICML Blog Tutorials Announcement
5. ICML 2026 LLM Review Policy 위반 사례 (Trivia)
본 학회의 학술 콘텐츠와는 별개이나, AI 학회의 peer review 신뢰성 위기를 보여주는 흥미로운 사례. 2026년 3월 18일 ICML Blog에서 공개.
핵심 숫자:
• 위반 검출: 506명 reviewer가 795개 review (~1%)에서 LLM 사용 흔적
• Desk reject: 497편 submission (~2%) — 이들의 reciprocal reviewer(398명)가 정책 위반
• 정책 위반자 중 51명 — review 50% 이상이 LLM 생성 → reviewer pool에서 완전 제외
• 위반 검출: 506명 reviewer가 795개 review (~1%)에서 LLM 사용 흔적
• Desk reject: 497편 submission (~2%) — 이들의 reciprocal reviewer(398명)가 정책 위반
• 정책 위반자 중 51명 — review 50% 이상이 LLM 생성 → reviewer pool에서 완전 제외
두 가지 정책
- Policy A (Conservative): LLM 사용 금지
- Policy B (Permissive): LLM이 paper·related works 이해 + review 다듬기에 허용
Reviewer는 본인이 정책 선택. 오직 Policy A 지원자 (LLM 금지 약속)만 위반 사례로 처리됨. Policy B에는 위반 개념이 없음.
검출 방법 — AI Watermarking
PDF에 LLM에게만 보이는 hidden instruction 삽입. 170,000개 phrase dictionary에서 paper마다 2개 phrase 무작위 추출 → PDF watermark로 박음. LLM이 review 작성 시 그 2개 phrase를 그대로 review에 포함하면 위반 검출.
| 방법론 출처 | Rao, Kumar, Lakkaraju, Shah (논문) |
| 검출 정확도 | Frontier LLM 대부분 80%+ 따름 (실험 기준) |
| False positive rate | 0.0001 (family-wise error rate) |
| 수작업 확인 | 모든 flagged review는 사람이 manual 검증 (watermark 자체 언급 vs 실제 LLM 출력) |
의미: AI 학회 자체가 AI를 활용한 peer review 위기를 정면 돌파한 첫 사례. AI 검증·alignment 이슈가 단순 연구 주제를 넘어 학계 운영 인프라까지 침투한 신호. 2027년 이후 다른 학회들이 비슷한 방식 도입 가능성 큼.
6. 한국 청중 관전 포인트
- 한국 첫 ICML 개최 — 해외 출장 없이 글로벌 ML 커뮤니티 1만 명 이상과 직접 네트워크. 다음 한국 개최는 수년 후 불확실.
- 코엑스 = SEMICON Korea 친숙 장소 — 한국 반도체 종사자에게 학회 출장 호텔·이동·식당 인프라 익숙.
- 반도체 fit 워크샵 4개: AdaptFM (HW-adaptive inference) · AI4NextG (Wireless AI) · AI4Physics (시뮬레이션) · SCALE (Multimodal Efficient)
- Pascale Fung Invited Talk — HKUST 베이스, 아시아 권역 AI 거버넌스. 한국 청중에게 가장 가까운 시야.
- 한국 기관 publication — OpenReview ICML 2026 페이지 또는 KAIST · 서울대 · POSTECH · 연세대 · Samsung Research · SK 등 lab 페이지에서 개별 확인.
7. 🇰🇷 한국 산업·학계 ICML 2026 출전 사례
2026.05.20 기준 공개 자료 (각 lab 공지 page · OpenReview · 한국 언론)에서 확인된 한국 기관 출전 사례. 전체 list는 아님 — 추가 발견 시 update 예정. 산업계 (Samsung Research · LG AI · NAVER Korea · Kakao 등) 공개 발표는 부족하여 학회 후 추적 권장.
1. KAIST 통계인공지능연구실 (SAIL Lab) — 최재식 교수
- "Manifold-Aligned Guided Integrated Gradients for Reliable Feature Attribution"
출처: SAIL Lab 공지
2. KAIST 데이터마이닝랩 (DMLab) — 이재길 교수
- "Breaking the Reference Bottleneck via Learning to Rewrite Conversational Queries without Gold Reference Passages"
- "Time-PEFT: Temporal and Multichannel Complexity-Based Fine-Tuning for Time-Series Foundation Models"
출처: DMLab 공지
3. 서울대 데이터AI랩 (Data AI Lab) — 유재민 교수
- "Generalizing Multi-Scale Time-Series Modeling with a Single Operator"
- "View Space: Learning Representation across Arbitrary Graphs"
4. POSTECH 의료정보처리랩 (MIP Lab) — 김원화 교수
- 2편 paper accepted (구체 제목 lab 공지 추가 update 예정)
5. 국민대학교 소프트웨어학부 — 김민우 (학부 senior)
- "Memory as Dynamics: Learning Reliability-Guided Predictive Models for Online Video Perception"
출처: Korea Times (2026.05.19)
6. NAVER Labs Europe (France)
- "Unsupervised mode discovery for fine-tuning multimodal generative policies"
정리: 6 기관 8+ papers 확인 (KAIST 2 lab + 서울대 1 lab + POSTECH 1 lab + 국민대 1 + NAVER Labs Europe). 전체 list는 아님 — 정확한 한국 기관 publication은 OpenReview ICML 2026 또는 각 기관 publication 페이지에서 개별 확인.
📢 본인 lab 또는 알고 있는 한국 기관 출전 사례 추가 제보 환영: SemiHub 피드백 폼 → 다음 update 글에 반영.
8. D-47 체크리스트
참가 예정자
- Early Registration 5/24 D-4 등록 — 최우선. 이후 Standard/Late 요금.
- 관심 워크샵 2~3개 사전 표시 (워크샵 day 7/10·7/11)
- 관심 튜토리얼 1~2개 표시 (학회 첫날 7/6)
- 관심 Invited Talk 시간대 확인 ("coming weeks"에 schedule 추가 공개 예정)
- 호텔 예약 (코엑스 인근 — 그랜드 인터컨, 인터컨, 파크하얏트, 노보텔 등)
- 네트워킹 대상자 사전 contact
- Visa 필요 시 ICML 공식 Visa 가이드 확인
참가 못 하지만 follow 하고 싶은 분
- Virtual Pass 옵션 — 모든 물리 등록에 Virtual 포함. Virtual 단독 옵션 가격 확인 권장
- 학회 후 ICML 2026 Proceedings 공개 (오픈)
- OpenReview 페이지에서 accepted paper 공개 review 추적
- Workshop 별 OpenReview 페이지 follow
9. 다음 update 예고
- 6월말~7월초 (D-7 시점) — Final program 공개 후 워크샵 schedule · invited talks 시간대 · accepted papers spotlight 추가
- 7월 학회 후 — Recap 글 (수상작 · 한국 기관 발표 highlight · 주요 인사이트)
관련 SemiHub 자료
자주 묻는 질문
ICML 2026의 D-47 시점 신규 공개 정보는?
4/30 Author Notification 완료 (접수 23,918 / 채택 6,352, 채택률 26.6%), 5/15 Workshops 44개 + Affinity 4개 확정, 5/18 Invited Talks 6명 발표, 4/2 Tutorials 10개 발표.
Invited Talks 6명은 누구인가요?
Pascale Fung (HKUST · AMI Labs · UN AI Governance), Susan Athey (Stanford GSB), Sham M. Kakade (Harvard · Kempner), Aviv Regev (Genentech EVP), Verena Rieser (Google DeepMind), Arvind Narayanan (Princeton).
반도체 엔지니어가 주목할 워크샵은?
AdaptFM (Resource-Adaptive Foundation Model Inference), AI4NextG (Next-Generation Wireless AI), AI4Physics (AI for Physics), SCALE (Scalable Learning for Efficient Multimodal AI Agents) 4개.
Tutorials은 언제 열리나요?
2026년 7월 6일(월), 학회 첫날, 코엑스. 10개 튜토리얼 (초청 3 + 커뮤니티 7).
Early Registration 마감은?
2026년 5월 24일(일) 23:59 (D-4 임박, 2026.05.20 발행 기준). 이후 Standard 등록. 가격 상세는 icml.cc/Conferences/2026/Pricing에서 확인.
LLM Review Policy 위반 사례는?
Policy A (LLM 금지) 동의 reviewer 중 506명이 LLM 사용 검출. 795 review (약 1%) 무효, 497편 submission (약 2%) desk-rejected. AI watermarking 방식 (170,000 phrase dictionary, 약 80% 검출 성공률).