본 과제는 언어, 비전, 시계열 등 여러 형태의 데이터를 함께 다루며, 시간이 지나도 새 지식을 계속 배우는 멀티 모달 협업형 평생 학습 프레임워크 개발 과제임.
연구 목표는 초거대 언어 모델과 초거대 시각 모델의 연속 업데이트 방법론, 데이터 연관성·주기성을 반영한 시계열 모델, 현실 환경의 데이터 불균형·noisy label·무한 task에 대응 가능한 연속 학습 기술 구축에 있음. 핵심 연구 내용은 심볼릭 기반 데이터 표현, 관계성 정보 메모리, Hypernetwork 기반 시계열 모델, 메타 러닝 기반 메모리 관리, lifelong 학습 코퍼스 구축, Few-/zero-shot 통합 모델 및 강건한 연속 학습 방법 개발임. 기대 효과는 업데이트 비용 절감, 성능 저하 방지, 다양한 응용 확장, 지속 가능한 딥러닝 기술 확보 가능성에 있음.