[이데일리 김현아 기자] 거대언어모델(LLM)의 메모리 사용량을 절반으로 줄이면서도 성능을 유지하는 기술을 개발한 서울대 대학원생이 정부의 AI 인재 우수성과 경연에서 1위를 차지했다.

서울대학교 공과대학 협동과정 인공지능전공 윤정인 학생(지도교수 강유)은 과학기술정보통신부가 주최하고 정보통신기획평가원(IITP)과 인공지능대학원협의회가 주관한 ‘2026 대한민국 AI혁신인재 커넥트 대학원생 우수성과 발표 챌린지’에서 1위를 차지해 과기정통부 장관상을 수상했다고 13일 밝혔다.

윤 학생은 수상 부상으로 중국 선전 하이테크 페어에 참가하는 해외 연수 프로그램에도 참여한다.

이번 행사는 AI 분야 석·박사 인재양성 사업의 연구 성과를 공유하고 미래 AI 산업을 이끌 인재 양성 방향을 논의하기 위해 마련됐다. AI·AX대학원, AI융합혁신대학원, AI스타펠로우십, 생성AI선도인재양성 등 과기정통부가 지원하는 주요 AI 인재양성 사업에 참여하는 대학·대학원과 기업, 연구자 등 1000여명이 참석했다.

윤 학생이 발표한 연구는 대규모 언어 모델의 높은 메모리 비용을 줄이기 위한 가중치 공유 기반 LLM 압축 기술 ‘SharVeT’다.

LLM은 모델 규모가 커질수록 수많은 파라미터를 저장·처리하기 위해 대규모 GPU 메모리가 필요하다. 이는 AI 모델의 개발뿐 아니라 실제 서비스 운영 과정에서도 비용 부담을 높이는 요인으로 꼽힌다.

연구팀은 모델 내부의 가중치 유사성을 정밀하게 분석해 공유 그룹을 구성하고, 모델의 표현력을 유지할 수 있도록 자원을 배분하는 방식으로 메모리 사용량을 줄였다. 여기에 비용 효율적인 학습 구조를 적용해 압축에 따른 성능 저하를 최소화했다.

그 결과 모델 메모리를 약 50% 줄이면서도 원본 모델에 가까운 성능을 유지하는 데 성공했다. 이를 통해 대규모 AI 모델 구동에 필요한 GPU 메모리와 운영 비용을 낮출 수 있을 것으로 기대된다.

이번 연구는 삼성전자 MX사업부의 지원을 받아 수행됐다. 연구 결과를 담은 논문 ‘SharVeT: Similarity-aware Parameter Sharing with Vector-based Tuning for Efficient LLM Compression’은 자연어 처리 분야 최고 권위 국제학술대회인 ACL 2026 본회의 장편 논문으로 채택됐다.

윤정인 학생의 연구 성과는 AI 모델의 성능을 유지하면서도 메모리와 연산 자원을 줄이는 기술이 실제 AI 서비스의 비용 효율성을 높이는 데 기여할 수 있다는 점에서 주목된다.