베슬AI, ICML 2026 워크숍 논문 채택…LLM 학습 효율 33% 높였다

AI 요약

베슬AI는 남상대 연구원이 주저자로 참여한 논문 DLLM-JEPA: 마스크드 디퓨전 언어모델을 위한 결합 임베딩 예측 아키텍처가 ICML 2026의 SPIGM 워크숍 발표 논문으로 선정됐다고 24일 밝혔습니다. 연구진은 하나의 문장에 서로 다른 마스킹 비율을 적용해 추가 데이터 구축 없이 학습이 가능하도록 설계했고 전체 학습 연산량을 기존 방식 대비 약 33% 줄였으며, 수학 추론 벤치마크에서 LLaDA-8B는 최대 18.7%포인트, Dream-7B는 최대 11.4%포인트 정확도 향상을 확인했습니다. 베슬AI는 이 기술이 GPU 사용량과 비용을 줄여 대규모 AI 모델 개발 및 운영의 경쟁력을 높일 수 있다고 평가했으며 생성모델·LLM·피지컬 AI·월드모델 분야 연구를 지속 확대할 계획이라고 밝혔습니다.