KAISTのCluSTER、データの約31%でLLMの微調整時間を最大69.6%短縮
イ・ジェギル教授のチームは学習効果の似たデータをまとめ、複数GPUに均等に配分する。コーディングと医療のデータ、約7億と13億パラメータのモデルで検証し、EMNLP 2026で発表。最先端規模での効果は未検証。
イ・ジェギル教授のチームは学習効果の似たデータをまとめ、複数GPUに均等に配分する。コーディングと医療のデータ、約7億と13億パラメータのモデルで検証し、EMNLP 2026で発表。最先端規模での効果は未検証。