"AI 학습 연산량 33% 줄였다"…베슬AI 논문, 글로벌 학회서 채택

AI 요약

AI 인프라 기업 베슬AI가 24일 'ICML 2026 SPIGM 워크숍'에 남상대 연구원의 논문 'DLLM-JEPA: 마스크드 디퓨전 언어모델을 위한 결합 임베딩 예측 아키텍처'를 등재해 워크숍 포스터 세션에서 발표한다고 밝혔습니다. 논문은 같은 문장에 마스킹 비율만 다르게 적용하는 방식인 DLLM-JEPA를 제안해 언어모델 학습에 필요한 데이터 구축과 연산 부담을 동시에 줄여 학습 연산량(FLOPs)을 33% 절감했고, 수학 추론 벤치마크에서 LLaDA-8B는 최대 18.7%포인트, Dream-7B는 11.4%포인트 정확도 향상을 보였다고 발표했습니다. 베슬AI는 이번 연구가 LLM과 피지컬 AI의 핵심 기술을 하나의 방법론으로 연결한다며 관련 연구를 지속하고 AI 워크로드 전반의 기술 경쟁력을 강화할 계획이라고 밝혔습니다.