Sustainable Lifelong Learning Framework via Continual Learning
연구 내용
연속학습과 평생학습을 위한 모델 업데이트 전략을 설계하여 다중 데이터 환경에서도 성능을 유지하는 연구
연속학습과 평생학습을 목표로, 학습 데이터가 순차적으로 변화하는 환경에서 모델이 새로운 정보를 흡수하면서 기존 지식을 보존하도록 학습 절차를 구성합니다. 멀티모달 입력을 다루는 상황에서도 업데이트가 성능 저하로 이어지지 않도록 학습 스케줄과 자원 사용 관점을 포함한 프레임워크를 개발합니다. 또한 협업형 설정을 고려해 반복 학습 비용과 유지보수 부담을 낮추는 방향의 시스템 구성을 지향합니다.
관련 연구 성과
관련 논문
0편
관련 특허
0건
관련 프로젝트
5건
연구 흐름
초기에는 연속적으로 들어오는 데이터에서 모델이 기억을 잃지 않도록 학습 파이프라인을 정리하고, 평생학습 관점에서 평가 흐름을 설계하는 작업에 집중했습니다. 이후 멀티모달 데이터와 초거대모델을 함께 고려하여 다양한 입력 양식의 정보를 통합하는 방식으로 확장했습니다. 최근에는 협업형 학습을 전제로 업데이트 안정성과 지속 가능성을 동시에 만족하는 프레임워크로 발전시키고, 2022년부터 2026년까지의 과제 수행을 통해 연구 목표를 구체화하고 있습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 프로젝트
구분
제목
지속 가능한 협업형 멀티 모달 평생 학습 프레임워크 개발
지속 가능한 협업형 멀티 모달 평생 학습 프레임워크 개발
지속 가능한 협업형 멀티 모달 평생 학습 프레임워크 개발
지속 가능한 협업형 멀티 모달 평생 학습 프레임워크 개발
지속 가능한 협업형 멀티 모달 평생 학습 프레임워크 개발