연구 과제

Cloud Continuum

연구과제

다중 도메인(NLP) 거대 AI 모델 최적화 기술

과제 1

  • 박성배 교수

다중 도메인 거대 AI 모델 최적화 기술

  • 거대 AI 모델의 고도화된 도메인 적용 기술 접목 기술
  • 사전 학습된 거대 AI 모델에 효과적인 fine-tuning을 위한 Prompt Optimization 기술
  • 모델의 커버리지 확장을 위한 점진적 심층 학습 기술

클라우드 컨티뉴엄 기반 학습 파라미터 파티셔닝

  • SDN 기반 인프라 구축 및 DPU를 통한 파라미터 공유 기술
  • 클라우드 컨티뉴엄 Self-Healing 기술
  • 학습 가속화를 위한 이기종 GPU 클러스터에서 Atomic Level 하이브리드 동결 기술

상용 서비스 대응을 위한 거대 AI 모델 자동화 프레임워크 개발

  • 거대 AI 모델을 다양한 도메인에 학습할 수 있는 표준화된 포맷 및 전처리 모듈 개발

다중 도메인 거대 AI 모델 구축

거대 AI 모델 활용 자동화

사용자 맞춤형 모델 생성 및 학습

과제 2

  • 박경문 교수

사용자 맞춤형 모델 생성 및 연계 기술

  • 기학습된 거대 Transformer 모델 기반 Task Model Branching 기술
  • Task Model간 지식 공유 및 복합 문제를 해결하는 Ensemble 기술
  • 학습된 지식을 거대 모델로 융합 및 Continual Learning

Data Lake 활용 거대 모델 관리 및 활용

  • Data Lake에 사용자 데이터 응축 및 Task Model, 거대 모델 최신 정보 갱신 기술
  • 유효한 정보 선별을 위한 Coreset Selection 기술

사용자 맞춤형 모델 생성 및 학습 기술 개념도

모델 연계 및 Data Lake 관리 및 활용 기술

맞춤형 학습모델의 자가 튜닝 에이전트 기술

과제 3

  • 김성태 교수

학습 모델의 판단 근거 해석 기반 수행 검증 기술

  • Information Flow 분석 기반 모델 판단 근거인 특징 기여도 설명 기술
  • 모델 해석 기반 학습 모델 디버깅 기술

맞춤형 학습모델의 자가 튜닝 에이전트 기술

  • 모델 Bias를 줄일 수 있는 모델 Dissection 및 뉴런 Surgery 기술 개발
  • 다양한 모델에 대해 동작 가능한 자가 튜닝 에이전트 기술

다양한 계층형 AI 모델에 동작 가능한 자가 튜닝 기술 개념도

개인정보처리방침

Close

이메일무단수집거부

닫기