KAIST 연구진이 서버 모델의 판단에서 얻은 특징을 기기에 축적하는 CURE를 발표했다. 소형 모델이 먼저 판단하고 저장된 지식을 조회한 뒤 부족할 때만 서버에 요청한다. 이미지 분류 실험에서 기존 협업 방식 대비 서버 호출을 평균 55.61% 줄였다는 결과다. 사진을 그대로 외우거나 모델을 재학습하는 방식은 아니며, 실제 효과는 입력의 반복성, 저장 공간과 통신 환경에 따라 달라질 수 있다.
Tech
유사 입력의 지식을 재사용하면 기기와 서버의 협업 비용을 줄일 수 있다.
KAIST 연구진이 서버 모델의 판단에서 얻은 특징을 기기에 축적하는 CURE를 발표했다. 소형 모델이 먼저 판단하고 저장된 지식을 조회한 뒤 부족할 때만 서버에 요청한다. 이미지 분류 실험에서 기존 협업 방식 대비 서버 호출을 평균 55.61% 줄였다는 결과다. 사진을 그대로 외우거나 모델을 재학습하는 방식은 아니며, 실제 효과는 입력의 반복성, 저장 공간과 통신 환경에 따라 달라질 수 있다.