"선별·분배가 핵심" 의료·코딩 AI 학습시간 70% 단축

AI 요약

KAIST 전산학부 이재길 교수 연구팀은 학습에 영향을 주는 유사 데이터를 묶어 선별한 뒤 여러 GPU에 골고루 배분하는 대규모 언어모델 미세조정 기술 'CluSTER(클러스터)'를 개발했다고 2일 밝혔다. 의료·코딩 분야의 학습 데이터 3종과 70억·130억 매개변수 LLM을 대상으로 한 8개 성능 평가에서 전체 데이터의 약 31%만 선별해 학습해도 모델 성능을 유지하면서 학습 시간을 최대 69.6% 단축해 최대 10시간이던 학습을 3시간으로 줄였다고 밝혔다. 연구 결과는 EMNLP 2026에서 발표됐으며 연구팀은 클러스터를 활용하면 기업과 연구기관이 특정 목적에 맞는 AI를 개발할 때 추가 학습에 드는 시간과 GPU 사용 비용을 줄일 수 있을 것으로 기대한다고 밝혔다.