← 목록으로
AI·소프트웨어연구 결과

OWLed · 외이자 가중 계층적 절단을 통한 자율주행 프레임워크 개발

원문 발행 2024.11.12 19:55 KST블랙덱 추가 2026.11.12 10:44 KST
요약에 참고한 원문

무엇이 새로워졌나요?

외이자 기반 계층별 절단을 통해 모델 크기를 효율적으로 줄임니다.

핵심 내용

  1. 외이자 가중 계층 절단 기법을 자율주행 시스템에 적용합니다.
  2. 각 계층에 비대칭적 절단 비율을 부여하여 모델 크기를 줄입니다.
  3. 감지 및 행동 예측 성능을 유지하면서 계산량을 크게 감소합니다.

내 일에 연결해 보면

자율주행 시스템에서 LLM의 계층별 절단을 외이자 분포 기반으로 최적화합니다.

아직 확인해야 할 점

논문 초록에 근거한 연구 요약입니다. 실제 적용 조건과 검증 범위는 연결된 원문에서 확인해야 합니다.

요약에 참고한 원문

아래 링크는 원문 사이트의 새 창으로 열립니다.

  1. arxivOWLed: Outlier-weighed Layerwise Pruning for Efficient Autonomous Driving Framework