Caramel LabCaramel Lab
#

모델경량화

2편의 한국어 분석 — 최신순으로 정렬했어요

전기·전자발표 2026.08· 0

전력 위험 식별 LLM 경량화 및 효율 개선

전력 시스템 위험 식별에 대규모 언어 모델(LLM)이 높은 정확도를 보이지만, 방대한 파라미터 수와 높은 자원 소모로 인해 전자기 감지 시스템, 웨어러블 모니터링 단말, 소형 전력 모니터링 장치 등 자원 제약적인 엣지 장치에 실시간 배포가 어렵습니다. 분산형 감지 구조 및 엣지 기반 전자기 모니터링 장치에서 전기적 위험, 장비 이상 상태, 잠재적 전력 시스템 위험을 즉각적으로 감지하려면 컴퓨팅 오버헤드를 크게 줄여 낮은 지연 시간 처리를 달성해야 합니다. 본 논문은 계층적 지도 지식 증류(hierarchical supervised…

컴퓨터 과학발표 2026.03· 20최근 1년 10회

컴퓨터 비전 딥러닝 경량화 연구

지난 10년간 딥러닝 모델은 시각 인지 과제에서 인간 수준을 넘어서는 성능을 보이며 자율주행, 모바일 기기, 로봇 공학 등 실제 응용 분야에 대한 관심을 높였습니다. 그러나 최첨단 모델들은 막대한 연산 자원을 요구하여 전력 소비, 지연 시간, 탄소 배출량 측면에서 실용적이지 않다는 문제가 있습니다. 이러한 효과성과 효율성 간의 상충 관계는 추론 시 연산 비용을 최소화하면서 만족스러운 성능을 달성하는 '연산 효율적인 딥러닝'이라는 새로운 연구 분야를 촉발했습니다. 본 연구는 빠르게 발전하는 이 분야를 네 가지 핵심 영역으로 분석합니…

연구 트렌드로 돌아가기