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

AI 요약

베슬AI가 24일 ICML 2026 SPIGM 워크숍에 남상대 연구원의 논문 'DLLM-JEPA: 마스크드 디퓨전 언어모델을 위한 결합 임베딩 예측 아키텍처'를 등재했다고 밝혔습니다. 논문은 같은 문장에 마스킹 비율만 다르게 적용해 데이터 구축과 학습 연산 부담을 동시에 줄이는 방법을 제안해 학습 연산량(FLOPs)을 33% 절감하고 전 평가 항목에서 성능을 개선했으며, 수학 추론 벤치마크에서 LLaDA-8B는 최대 18.7%포인트, Dream-7B는 11.4%포인트 정확도가 향상됐습니다. 베슬AI는 LLM과 생성모델, 피지컬 AI 및 월드모델 관련 연구를 지속해 대규모 AI 모델의 학습 효율을 높이고 AI 워크로드 전반의 기술 경쟁력을 강화할 계획이라고 밝혔습니다.