KAIST 연구진은 학습에 비슷한 영향을 주는 데이터를 군집화하고 대표 표본을 GPU에 균형 있게 나누는 CluSTER를 발표했다. 코딩과 의료 분야 데이터셋3종,70억 및130억 파라미터 모델의8개 평가에서 전체 데이터의 약31%로 비슷한 성능을 유지하고 학습 시간을 최대69.6% 줄였다고 보고했다. 주로 GPU4개 환경에서 검증했으며8개 구성에서도 기존 방식보다 나은 결과를 얻었다. 데이터 선택과 병렬 작업 배분을 함께 다룬다는 점이 핵심으로, 모든 모델의 비용이 같은 비율로 줄어든다는 보장은 아니다.