IT/과학
"AI 학습시간 70% 단축"…KAIST, 효율 극대화한 'CluSTER' 기술 개발
뉴스보이
2026.11.02. 08:19
뉴스보이
2026.11.02. 08:19
간단 요약
간단 요약
데이터 선별과 GPU 배분 효율화를 통해 대규모 언어모델 미세조정 시간을 획기적으로 줄였습니다.
전체 데이터의 31%만 활용하고도 모델 성능을 유지하며 학습 효율을 극대화했습니다.
이 기사는 6개 언론사의 보도를 교차 검증하여 작성되었습니다.
이 기사는 6개 언론사의 보도를 교차 검증하여 작성되었습니다.
KAIST 전산학부 이재길 교수 연구팀이 대규모 언어모델(LLM) 미세조정 기술인 'CluSTER(클러스터)'를 개발했습니다. 이 기술은 학습에 유사한 영향을 주는 데이터를 선별해 여러 GPU에 골고루 배분하는 방식으로 학습 효율을 높이는 것이 핵심입니다.
연구팀은 코딩과 의료 분야 데이터 3종을 활용해 70억 개와 130억 개의 매개변수를 가진 LLM을 대상으로 실험을 진행했습니다. 그 결과 전체 데이터의 약 31%만 선별해 학습해도 기존 모델 성능을 유지하는 성과를 거뒀습니다.
특히 학습 시간은 최대 69.6%까지 단축됐습니다. 기존에 10시간이 소요되던 학습 과정이 3시간으로 줄어든 셈입니다. 이번 연구 결과는 자연어처리 분야 국제학술대회인 EMNLP 2026에서 발표되며 기술력을 인정받았습니다.
다만 실제 산업 현장 적용을 위해서는 다양한 기업 데이터 환경에서의 추가 검증과 기존 시스템과의 연동을 위한 소프트웨어 고도화 작업이 남았습니다. 이번 연구에는 김현진 박사과정생이 제1 저자로 참여했습니다.
이 콘텐츠는 뉴스보이의 AI 저널리즘 엔진으로 생성 되었으며, 중립성과 사실성을 준수합니다. AI가 작성한 초안을 바탕으로 뉴스보이 에디터들이 최종검수하였습니다. (오류신고 : support@curved-road.com)
• 이 콘텐츠는 뉴스보이의 AI 저널리즘 엔진으로 생성 되었으며, 중립성과 사실성을 준수합니다.
• AI가 작성한 초안을 바탕으로 뉴스보이 에디터들이 최종검수하였습니다. (오류신고 : support@curved-road.com)
