인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 저자정보
피인용 0
초록·키워드
최근 초거대 언어 모델(LLM)의 실사용 확대에 따라 메모리 제약을 극복하면서도 높은 성능을 유지할 수 있는 모델 양자화 기법이 주목받고 있다. 특히 3비트 가중치 양자화는 메모리 사용량을 최소화하면서 실용적 성능을 확보할 수 있는 한계점으로 인식되지만, 실제 하드웨어에서 효율적으로 지원되지 않아 가속 성능 향상에 어려움이 있다. 본 연구에서는 이를 해결하기 위해 하드웨어 친화적인 2-4비트 혼합 정밀도 양자화 기법과 탐욕적 탐색(Greedy Search)을 활용한 레이어별 비트 할당 방식을 제안한다. 제안 방식은 성능에 민감한 선형 레이어는 4비트로, 상대적으로 민감도가 낮은 선형 레이어는 2비트로 양자화하여 메모리 효율성과 하드웨어 친화성을 동시에 달성한다. 실험 결과, 제안된 탐욕적 탐색 기반 2-4비트 혼합 정밀도 모델은 동일한 메모리 사용량을 가지는 고정 정밀도 3비트 양자화 모델 대비 더 우수하거나 동일한 성능을 보이는 동시에 최대 5배의 하드웨어 가속 효과를 보였다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-096856034
