노타, EMNLP 2026서 MoE 양자화 논문 2편 채택

AI 요약

노타(Nota AI)는 EMNLP 2026 메인 컨퍼런스와 파인딩스에 초거대 AI 모델 최적화 관련 논문 2편이 채택됐으며, 두 논문은 모두 전문가 혼합 모델(MoE)의 양자화 과정에서 발생하는 성능 저하 문제를 다뤘습니다. 메인 컨퍼런스 채택 논문은 MENDS-MoE 방법론을, 파인딩스 채택 논문은 OPERA 방법론을 제안했으며, 4비트·3비트 양자화 실험에서 비교 기술보다 높은 평균 정확도를 기록하고 실제 적용으로 큐웬 3.8 맥스 구동에 필요한 B300 GPU를 24장에서 4장으로 줄이는 등 데이터센터 GPU 요구량을 축소했다고 설명했습니다. 노타는 앞서 ICML 2026 AdaptFM 워크숍 Efficient Qwen Competition에서 3위를 차지했으며 큐웬 3.5-4B를 엔비디아 A10G GPU 1장으로 구동해 기존 대비 평균 6.978배 빠른 추론 속도를 구현했고 현재까지 약 50여 건의 연구 성과를 발표했다고 밝혔습니다.