연구팀은 SemEval-2026 Task 9에서 다국어 극단화 탐지를 위해 범용 모델, 언어별 특화 모델, 하이브리드 앙상블 전략을 비교 분석했어요. 문자 스크립트가 다른 언어에서는 특화 모델이 더 좋은 성능을 보였으며, 개발 성능에 따라 모델을 전환하는 언어 적응형 프레임워크를 채택했어요. 최종 시스템은 22개 언어 트랙에서 평균 F1 점수 0.796, 정확도 0.826을 달성했으며, 관련 코드와 예측 결과는 GitHub에서 공개돼요.