KAIST, AI 학습 데이터 69% 줄여도 성능 유지…학습 시간 최대 69.6% 단축

AI 요약

KAIST 전산학부 이재길 교수 연구팀이 LLM의 미세조정 과정에서 학습 데이터의 중복 효과를 줄이고 GPU 활용 효율을 높이는 기술 '클러스터(CluSTER)'를 개발했다고 2일 밝혔다. 이 기술은 학습 데이터가 모델에 미치는 영향을 기준으로 유사한 데이터를 군집화해 대표 데이터를 선별하고 여러 GPU에 균형 있게 배분함으로써 전체 학습 데이터의 약 31%만 사용해도 성능을 거의 유지하면서 학습 시간을 최대 69.6% 단축하는 성과를 보였다. 연구팀은 코딩·의료 분야의 데이터셋 3종과 약 70억 및 130억 개의 매개변수를 가진 LLM을 활용해 총 8개 평가를 수행했고 GPU 4개 환경을 중심으로 검증했으며 결과는 EMNLP 2026에서 발표됐다.