한국어 대규모 언어 모델의 추론 시간 스케일링 특성에 관한 실증적 분석 및 한국어 추론 시간 최적화 방안 모색
- 자료 유형
- 실제 탐구보고서
- 합격 정보
- 중앙대 전자전기공학부
- 활동 유형
- 동아리활동
- 교과 과목
- 프로그래밍, 언어와매체, 수학Ⅰ
- 탐구 키워드
- 인공지능 (머신러닝, NLP 등)
2026-05-21
로그인 후 이용해주세요
저장소에 저장되었습니다.
로그인 후 이용해주세요
내용 요약
고등학교 생활동안 ai를 사용해보면서 영어보다 한국어의 인식이 느리고 부정확해 기대와 동떨어진 대답을 얻은 경험이 있어서 탐구를 시작함.
영어 BERT 모델과 한국어 BERT 모델을 이용해 마스킹된 문장 일부를 복원하는 과제를 적용했고 결과 영어가 10%정도 우세함을 보임.
8bit 양자화 기법을 적용해 모델 파라미터의 표현 정밀도를 낮춘 결과 추론 속도가 약 1.3배 향상되었으며, 이후 L1 기반 프루닝과 파인튜닝을 병행하여 정확도가 6.5%p 상승함을 확인함.
이 탐구를 통해 한국어 대규모 언어 모델이 가지는 추론 속도와 자원 사용의 한계를 8bit 양자화와 프루닝 기법으로 효과적으로 개선할 수 있음을 확인함.
탐구 보고서 전문
멘토의 다른 탐구 활동
꼭 알아주세요
- 본 자료와 관련된 모든 저작권은 (주)진학사에 있으며, 저작권법 제4장 및 제5장의 규정에 따라 일부 또는 전체를 복제, 배포, 업로드하거나 이를 바탕으로 한 2차 저작물을 제작하는 행위를 금합니다.
- 제공되는 탐구 보고서는 학생부종합전형으로 합격한 선배들의 실제 탐구 자료입니다. 이미 대학 입학사정관의 평가를 받은 자료이기에,이를 그대로 따라하기보다는 참고 자료로 활용하여 여러분만의 독창적인 탐구 보고서를 작성해 주시기 바랍니다. 선배들의 탐구 과정과 방법론을 참고하되, 여러분의 관심사와 관점을 반영한 차별화된 탐구를 진행하시길 권합니다.
- 하나의 아이디는 구매자 본인 이용을 기준으로 제공됩니다. 본인이 사용하는 PC/모바일에서는 이용 가능하나, 여러 명이 하나의 아이디를 공유해 이용할 수 없습니다. 부정 사용 방지를 위해 접속 IP 등 이용 로그가 기록될 수 있으며, 비정상 이용이 확인될 경우 서비스 이용이 제한될 수 있습니다.