AI 핵심 요약
beta- 노타가 25일 EMNLP 2026서 최적화 논문 2편을 채택받았다
- 메인 논문은 MoE 양자화 성능 저하를 줄이는 기술을 제시했다
- 노타는 초거대 AI와 데이터센터 최적화 적용을 확대했다
!AI가 자동 생성한 요약으로 정확하지 않을 수 있어요.
초거대 언어모델·데이터센터로 최적화 영역 확대
[서울=뉴스핌] 이나영 기자 설희 인턴기자= 인공지능(AI) 모델 경량화·최적화 기업 노타가 세계적 자연어처리 학술대회에서 초거대 언어모델 최적화 기술을 인정받았다.
25일 노타는 자연어처리(NLP) 분야 국제학술대회 'EMNLP 2026'에서 초거대 AI 모델 최적화 논문 2편이 각각 메인 컨퍼런스(Main Conference)와 파인딩스(Findings)에 채택됐다고 밝혔다.
올해 EMNLP에는 약 1만8000편의 논문이 제출됐으며 메인 컨퍼런스 논문 채택률은 15.4%를 기록했다. EMNLP는 구글과 메타, 오픈AI 등 글로벌 빅테크와 주요 대학이 자연어처리 분야 연구 성과를 발표하는 국제학술대회다.
이번에 채택된 논문은 초거대 언어모델(LLM)에 활용되는 전문가 혼합 모델(Mixture of Experts·MoE)의 양자화 과정에서 발생하는 성능 저하 문제를 다뤘다. MoE는 입력에 따라 필요한 일부 전문가만 연산하지만 전체 모델을 메모리에 저장해야 해 실제 운영 과정에서 많은 그래픽처리장치(GPU)와 메모리가 필요하다.
메인 컨퍼런스 채택 논문은 양자화가 다음 단계의 전문가 선택에 미치는 영향까지 반영하고 선택 경계에 있는 전문가들의 순서를 보존하는 'MENDS-MoE' 방법론을 제시했다. 3종의 MoE 모델을 대상으로 한 4비트·3비트 양자화 실험에서 대부분의 평가 환경에서 비교 기술보다 높은 평균 정확도와 언어모델 성능을 기록했다.
파인딩스 채택 논문은 모든 전문가 선택 변화를 일률적으로 보정하지 않고 최종 답변에 영향을 미치는 변화에 최적화를 집중하는 '오페라(OPERA)' 방법론을 제안했다.
앞서 노타는 지난 7월 ICML 2026 '자원 적응형 파운데이션 모델 추론(AdaptFM)' 워크숍의 'Efficient Qwen Competition'에서 전 세계 약 40개 팀 가운데 3위를 기록했다. 오픈소스 LLM 큐웬 3.5-4B를 엔비디아 A10G GPU 한 장에서 구동하면서 기존 대비 평균 6.978배 빠른 추론 속도를 구현했다.
노타는 AI 모델 최적화 기술의 적용 범위를 데이터센터 인프라로 확대하고 있다. 최근 1조개 이상의 매개변수를 가진 '큐웬 3.8 맥스'를 경량화해 구동에 필요한 엔비디아 B300 GPU를 24장에서 4장으로 줄였다.
문샷AI의 '키미 K3'는 B300 GPU를 8장에서 최대 4장으로 업스테이지의 '솔라 오픈 2'는 H100 GPU를 8장에서 2장으로 줄이는 결과도 공개했다.
채명수 노타 대표는 "AI 모델이 수천억, 수조 개의 매개변수 규모로 커지며 AI 산업의 경쟁축이 모델 자체의 성능을 넘어 운영 효율로 이동하는 가운데, 이번 성과는 노타가 축적해 온 AI 최적화 연구를 바탕으로 초거대 언어모델과 데이터센터 AI 인프라의 효율을 높일 기술적 기반을 확보했음을 보여준다"며 "앞으로도 최신 AI 모델의 구조 변화에 선제적으로 대응할 수 있도록 연구개발 투자와 지원을 이어가며, AI 인프라 도입의 효율을 높이는 핵심 최적화 기술 적용 범위를 넓히겠다"고 말했다.
winter1004@newspim.com
