본 과제는 언어·비전·시계열 등 여러 데이터에서 새 지식을 계속 배우면서도 기존 지식을 잃지 않는 멀티 모달 협업형 평생 학습 프레임워크 개발 연구임. 실제 서비스 환경의 데이터 불균형, noisy label, 무한 task를 고려한 초거대 모델 연속 업데이트 기술 확보가 핵심 방향임.
연구 목표는 초거대 언어 모델과 초거대 시각 모델의 효율적 연속 학습 방법론, 시계열 연관성·주기성 반영 Hypernetwork 모델, few-/zero-shot 지시 수행 에이전트 구현에 있음. 연구 내용은 외부 뉴럴 메모리, 기존 태스크 정보 저장·활용 알고리즘, 비디오 특화 연속학습, 퓨샷 분류·분할, 벤치마크·평가 지표 구축임. 기대 효과는 기존 지식 보존과 새 지식 추가를 동시에 달성하는 지속적 모델 고도화, 다양한 문제를 단일 모델로 처리하는 통합성 확보, 현실 적용 가능성 향상임.