한국어 BERT 모델 Pretraining을 통한 BitNet 양자화 기술 검증

Q: 이 논문에서 정의한 BitNet이란 무엇인가?

Linear 레이어의 가중치를 1.58비트로 극단적으로 양자화하고 입력을 8비트로 양자화하여 대규모 언어 모델을 학습하는 기술이다. 이를 통해 모델의 연산량과 규모를 줄이면서도 효율적인 학습과 추론을 가능하게 하는 것을 목표로 한다.

Q: BERT 모델에 BitNet 양자화 기술을 적용했을 때의 실효성은 어떠한가?

연구 결과, BitBERT 모델은 일반적인 Pretraining 방식과 비슷하거나 약간 낮은 성능을 보여 기술적 적용 가능성은 확인되었다. 하지만 학습 과정의 양자화 오버헤드로 인한 자원 소모가 크고, 추론 시 특수 하드웨어가 필요하여 현시점의 효용성은 낮다.

황태욱; 서혜인; 정상근

학술대회자료 Full-text

저자정보: 황태욱 (충남대학교) 서혜인 (충남대학교) 정상근 (충남대학교)

저널정보: Korean Institute of Information Scientists and Engineers 한국정보과학회 학술발표논문집 한국정보과학회 2024 한국컴퓨터종합학술대회 논문집

오류 신고하기

피인용 0

검색

초록·키워드

최근 대규모 데이터셋을 활용하여 모델을 pretraining한 뒤 특정 도메인 데이터셋으로 파인튜닝하는 방식이 높은 성능을 보이고 있다. 그러나 모델의 규모가 점점 커지며 높은 하드웨어 자원을 요구되고 있으며, 이러한 문제에 대응하기위해 다양한 경량화 연구가 수행되고 있다. 그 중 양자화 기술이 실용적으로 사용되고 있으며, 최근 가중치를 1.58비트로 극단적으로 양자화하는 BitN ... 전체 초록 보기

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

댓글(0)