새 소식
수상
박재식 교수팀, AgentX–AgentBeats Challenge Game Agent 분야 Phase 1·2 우승
서울대학교 컴퓨터공학부 박재식 교수가 지도하는 학부생 팀이 UC Berkeley RDI (UC 버클리 책임감 있는 분산형 지능 센터)가 주최한 AgentX–AgentBeats Challenge의 Game Agent 분야에서 우수한 성과를 거두었다. 본 팀은 Phase 1에서 Minecraft 게임 환경 기반 에이전트 평가 벤치마크인 “Minecraft Benchmark”를 구축하여 Game Agent 분야 1위를 기록했으며, Phase 2에서는 해당 벤치마크에서 정해진 목표에 따라 Minecraft 게임을 플레이하는 AI 에이전트 “VGI-Player”를 개발해 Game Agent 분야 공동 1위를 차지하며, Game Agent 분야의 모든 Phase에서 우승하는 성과를 거두었다.AgentX–AgentBeats Challenge는 Berkeley RDI가 Agentic AI MOOC 및 약 4만 명 규모의 글로벌 학습자 커뮤니티와 함께 개최한 에이전트 AI 평가 대회이다. 대회는 기존 벤치마크를 에이전트형 평가 환경으로 확장하거나 새로운 벤치마크를 구축하는 Phase 1과, Phase 1에서 선정된 벤치마크를 해결하는 범용 AI 에이전트를 개발하는 Phase 2로 구성되었다. DeepMind, OpenAI, Lambda, Nebius, Amazon, Snowflake, Hugging Face, Sierra 등 여러 글로벌 AI·클라우드 기업이 스폰서로 참여했으며, 전체 상금 및 크레딧 규모는 100만 달러 이상이다.본 팀이 Phase 1에서 개발한 Minecraft Benchmark는 기존 MCU Benchmark를 AgentBeats 프레임워크에 맞게 에이전트형 평가 환경으로 확장한 것이다. 이 벤치마크는 Minecraft 시뮬레이터 안에서 자원 탐색 및 채굴, 건물 구축, 아이템 생성 등 다양한 단기 과제와, 순차적 의사결정 및 지속적인 계획 능력을 요구하는 장기 과제를 함께 평가하도록 설계되었다. 또한 Minecraft 시뮬레이션 환경에서 산출되는 보상과 게임 플레이 비디오 기반 작업 수행 능력 평가를 결합해, 복잡한 상호작용 환경에서 범용 에이전트의 작업 수행 능력을 측정할 수 있도록 했다.Phase 2에서 개발한 VGI-Player는 Minecraft 환경에서 주어진 자연어 목표를 이해하고, 게임 화면을 관찰하면서 스스로 다음 행동을 결정해 과제를 수행하는 AI 에이전트이다. VGI-Player는 비교적 간단한 과제는 직접적인 명령 실행을 통해 빠르게 해결하고, 여러 단계가 필요한 복잡한 과제는 목표를 작은 단계로 나누어 차례대로 수행하도록 설계되었다. 또한 시각 정보와 언어 명령을 함께 이해하는 VLA 모델을 활용해, 게임 화면에서 보이는 상황을 해석하고 이를 실제 Minecraft 조작 행동으로 연결했다. 이를 통해 VGI-Player는 단순히 정해진 명령을 반복하는 것이 아니라, 변화하는 게임 상황에 맞추어 목표 달성을 위한 행동을 선택할 수 있도록 구현되었다.이번 성과는 단순히 Minecraft 게임을 수행하는 에이전트를 개발한 것에 그치지 않고, 복잡한 상호작용 환경에서 AI 에이전트를 어떻게 표준화·재현 가능하게 평가할 수 있는지에 대한 벤치마크 설계와, 해당 벤치마크를 해결하기 위한 멀티모달 계획·행동 에이전트 개발을 함께 수행했다는 점에서 의미가 있다. 특히 Minecraft와 같은 샌드박스형 환경은 부분 관측, 장기 계획, 시각 기반 제어, 도구 사용, 순차적 의사결정이 결합된 도전적인 문제로, 향후 로보틱스 및 범용 에이전트 연구와도 밀접하게 연결된다.특히 본 팀은 학부생으로 구성된 점에서 의미가 있다. 참여 학생 구성은 다음과 같다.Phase 1 우승 (Minecraft Benchmark 개발 및 AgentBeats Green Agent 구현): 김우성(서울대 컴공), 배준익(서울대 컴공), 김현구(연세대 전기전자)Phase 2 공동 우승 (VGI-Player 개발 및 Minecraft Benchmark 기반 Purple Agent 구현): 김우성(서울대 컴공), 김현구(연세대 전기전자)본 대회를 통해 얻은 연구 경험은 향후 샌드박스형 시뮬레이션 환경을 넘어 로보틱스, embodied AI, 범용 에이전트 평가 등 복잡한 장기 의사결정이 요구되는 분야로 확장될 예정이다....
송현오 교수 연구진, Samsung AI Center NPRC 과제 우수연구상 및 우수포스터상 수상
- Samsung AI Center와 함께 수행 중인 Neural Processing Research Center 과제 1차년도 성과 인정- 반도체 설계검증 자동화를 위한 AI LLM Agent 연구- 삼성 현업 니즈에 맞춘 Rule2DRC 벤치마크 및 Layout-native AI Agent GUI App 개발- NPRC 워크샵에서 송현오 교수 우수연구상, 과제 담당 연구원 우수포스터상 수상 송현오 교수 연구진이 Samsung AI Center와 함께 수행 중인 Neural Processing Research Center, NPRC 과제에서 반도체 설계검증 자동화를 위한 AI 에이전트 연구 성과를 인정받았다. 본 과제는 반도체 Layout Design Rule Check, DRC 코드 생성 에이전트와 AI 모델 경량화 기술 개발을 목표로 하며, 삼성 엔지니어들이 수작업으로 수행해온 반도체 도메인 특화 DRC 코드 작성 업무를 AI Coding Agent로 자동화하는 데 초점을 맞추고 있다. 연구진은 삼성 연구자들과 공동으로 반도체 설계검증 자동화를 위한 Rule2DRC 연구를 수행하였다. 반도체 칩 제조 전에는 chip layout이 수많은 design rule을 만족하는지 검증해야 하며, 이를 위해 자연어 design rule을 실행 가능한 DRC script로 변환해야 한다. 그러나 이 과정은 KLayout, SVRF와 같은 도메인 특화 언어와 공정 지식이 필요한 고난도 수작업이다. Rule2DRC는 이러한 문제를 해결하기 위해 자연어 design rule을 DRC script로 변환하는 LLM Agent를 평가하는 대규모 벤치마크를 구축하고, 생성된 코드를 실제 DRC Engine에서 실행해 기능적 정확도를 평가한다.연구진은 논문 연구에 더해 삼성 사내 운영환경에서 활용 가능한 Layout-native AI Agent GUI App도 개발하였다. 실제 DRC script 작성 workflow에서는 엔지니어가 반도체 layout을 side-by-side로 확인하며 코드를 작성한다. 이에 연구진은 터미널 기반 코딩 에이전트와 Layout Viewer를 통합한 GUI App을 개발하고, 사내 반입 및 구동 확인을 완료하였다. 현재 사내 LLM 모델과의 연결도 진행 중이다. 해당 App은 서울대-삼성연구소 보안룸 및 Samsung AI Center 방문 협업을 통해 사내 환경에 맞도록 개발되었다. 데모에서는 Optical Proximity Correction workflow를 예시로, 자연어 instruction에 따라 특정 layout을 선택하고 모서리를 chamfering하여 layout을 수정하는 과정을 보였다. 이는 AI Agent가 반도체 layout과 코드를 함께 다루는 layout-native workflow를 구현했다는 점에서 의미가 있다.본 NPRC 과제의 1차년도 성과로 연구진은 논문 4편, 특허 1건, 코드 산출물 1건을 달성하였다. 주요 성과에는 ICML 2026 논문 Rule2DRC, NeurIPS 2025 논문 KVzip (Oral Presentation Top 0.35%) 및 Q-Palette, ICML 2025 논문 GuidedQuant가 포함된다. 이러한 성과를 바탕으로 NPRC 워크샵에서 송현오 교수는 우수연구상을 수상하였으며, 과제 담당 연구원은 우수포스터상을 수상하였다. 이번 수상은 반도체 설계검증 자동화라는 현업 중심 문제를 AI Agent 기술로 해결하고, 실제 사내 환경에 적용 가능한 GUI App까지 개발한 성과를 인정받은 결과이다.향후 연구진은 Layout-native AI Agent GUI App의 고도화와 함께, 자연어 feedback 기반 layout 수정 task 벤치마크 및 multimodal agent 개발을 추진할 예정이다. 또한 사내 운영환경에서 생산성 향상 효과를 정량적으로 측정하고, fully autonomous AI Agent 개발로 확장할 계획이다....
송현오 교수 연구진, 반도체 설계검증을 위한 AI 에이전트 및 복잡한 환경 예측을 위한 월드 모델 기술 개발
- ICML 2026 논문 2편 게재 - 반도체 설계검증 자동화를 위한 대규모 LLM 에이전트 벤치마크 Rule2DRC 개발 - 복잡한 시각 환경 예측을 위한 Transformer 기반 월드 모델 기술 개발 - 실행 피드백 기반 테스트 생성과 시공간 토큰 대응 모델링을 통해 반도체 설계검증 및 모델 기반 강화학습 분야의 핵심 문제 해결 송현오 교수 연구진이 반도체 설계검증 자동화와 복잡한 환경 예측을 위한 새로운 인공지능 기술을 개발하였다. 1. 반도체 설계검증을 위한 AI 에이전트 벤치마크 Rule2DRC [1]: 본 논문은 반도체 칩 제조 과정에서 필수적인 설계 규칙 검사, 즉 Design Rule Checking, DRC 스크립트 생성을 자동화하기 위한 대규모 벤치마크 Rule2DRC를 제안한다. 반도체 칩이 실제 제조되기 전에는 수천 개의 기하학적 설계 규칙을 만족하는지 검사해야 하며, 이를 위해 자연어로 작성된 설계 규칙을 실행 가능한 DRC 스크립트로 변환해야 한다. 그러나 이 과정은 전문 지식이 필요하고, 새로운 공정 노드마다 반복되어야 하는 노동집약적인 작업이다. 기존 연구들은 평가 규모가 작거나, 생성된 스크립트를 실제로 실행하지 않고 코드 유사도로만 평가하거나, 모델 입력으로 정답 라벨이 있는 테스트 레이아웃을 요구하는 한계가 있었다. Rule2DRC는 이러한 한계를 해결하기 위해 1,000개의 자연어 규칙-DRC 스크립트 태스크와 13,921개의 평가용 칩 레이아웃으로 구성된 대규모 벤치마크를 구축하였다. 또한 생성된 스크립트를 실제 DRC 엔진에서 실행하여 기능적 정확도를 평가하며, 실행 결과를 바탕으로 후보 스크립트들을 구분하는 SplitTester를 제안하여 Best-of-N 설정에서 더 정확한 스크립트를 선택할 수 있도록 하였다. 본 기술은 반도체 설계검증 과정에서 반복적으로 필요한 DRC 스크립트 작성 및 검증 비용을 줄이고, EDA 분야의 AI 자동화 시스템 개발에 유용하게 활용될 수 있다. 2. 복잡한 환경 예측을 위한 월드 모델 기술 Identifiable Token Correspondence [2] 본 논문은 시각 환경에서 에이전트의 학습 효율을 높이기 위한 Transformer 기반 월드 모델 Identifiable Token Correspondence를 제안한다. 월드 모델은 실제 환경을 시뮬레이션하여, 모델 기반 강화학습에서 에이전트의 상호작용 비용을 절감시키는 모델이다. 최근 Transformer 기반 월드 모델은 높은 품질의 시뮬레이션을 제공하며 강화학습 성능을 향상시키고 있지만, 시각 환경에서 중요한 공간적 관계와 연속 프레임 사이의 시각적 유사성을 충분히 활용하지 못하는 한계가 있었다. 이를 해결하기 위해 본 연구는 선택적으로 이전 토큰들을 재사용하는 최적 디코딩 전략을 개발하여 기존 Transformer 월드 모델을 개선하였다. 제안 방법은 시각적으로 인접한 토큰들 사이의 공간적 관계와 시간에 따른 토큰 대응 관계를 더 효과적으로 반영하여, 에이전트가 장기적인 객체 기억과 상호작용이 필요한 환경에서 더 정확한 미래 상태를 예측할 수 있도록 한다. 실험 결과, 장기적 객체 기억과 상호작용이 중요한 Crafter, Atari 100k 등의 벤치마크에서 최고 성능을 달성하였다. 해당 연구들은 머신러닝 최우수 학회인 ICML 2026에서 발표될 예정이다. [1] “Rule2DRC: Benchmarking LLM Agents for DRC Script Synthesis with Execution-Guided Test Generation”, Jinuk Kim, Junsoo Byun, Donghwi Hwang, Seong-Jin Park, Hyun Oh Song, ICML 2026 [2] “Identifiable Token Correspondence for World Models”, Youngin Kim*, Ray Sun*, Inho Kim, Bumsoo Park, Hyun Oh Song, ICML 2026...
김진욱 박사수료생, 2026 Apple Scholars in AIML PhD Fellowship 선정
우리 학부 김진욱 박사수료생(지도교수 송현오, 머신러닝 연구실)이 2026 Apple Scholars in AIML PhD fellowship program에 선정되었다. Apple Scholars in AIML PhD fellowship은 인공지능 및 머신러닝 분야에서 혁신적인 연구 성과와 리더십, 학문적 잠재력을 보인 박사과정 학생을 선정해 지원하는 프로그램으로, 선정자에게 연구 지원, Apple 연구자와의 멘토십, 인턴십 기회 등을 제공한다. 올해 프로그램에는 전 세계에서 단 20명의 박사과정 학생이 선정되었으며, 김진욱 학생은 서울대학교 소속으로 ML Algorithms and Architectures 분야에 이름을 올렸다. 국내 기관 소속 연구자로는 올해 유일한 선정자이며, 2020년 Apple Scholars in AIML PhD fellowship program이 시작된 이래 국내 기관 소속 연구자가 선정된 것은 이번이 두 번째이다. 김진욱 학생은 대규모 언어 모델 및 AI 모델의 효율적 추론, 도메인 특화 에이전트, 실행 피드백 기반 코드 생성 및 검증 등에 관한 연구를 수행해왔으며, ICML, NeurIPS 등 최우수 국제학술대회에 다수의 논문을 게재하였다. 특히 최근에는 반도체 설계검증을 위한 LLM 에이전트 벤치마크 Rule2DRC를 개발하는 등, 실제 산업 문제에 적용 가능한 신뢰성 높은 AI 시스템 연구를 진행하고 있다. - 2026 Apple Scholars in AIML 소개 홈페이지: https://machinelearning.apple.com/updates/apple-scholars-aiml-2026...
배준익 학생, NeurIPS 2025 PokéAgent 챌린지 스피드런 트랙 우승
세계적인 인공지능 학회 NeurIPS 2025에서 열린 포켓몬 게임 기반 AI 대회인 PokéAgent 챌린지에서, 본교 컴퓨터공학부 4학년 배준익 학생이 스피드런(speedrun) 트랙 우승을 차지했다. 이번 챌린지는 포켓몬 에메랄드 환경을 기반으로 강화학습(RL)과 대형 언어 모델(LLM)을 결합한 새로운 형태의 에이전트를 평가하기 위해 설계되었다. 스폰서로는 구글 DeepMind가 참여했으며, Princeton, CMU, UT Austin 등 주요 연구 기관의 연구진이 공동으로 대회를 기획했다. 총 상금 규모는 1만 5천 달러를 상회하며, 우승팀에게는 NeurIPS 워크숍 발표 초청과 대회 보고서 공동 저자 참여 기회 등이 제공된다.스피드런 트랙은 에이전트가 포켓몬 에메랄드를 가능한 한 빠르게 엔딩까지 진행하도록 설계된 과제로, 부분 관측(partial observability) 환경에서 수천 타임스텝에 걸쳐 일관된 전략을 유지해야 하는 long-horizon planning 문제라는 점이 특징이다. 배준익 학생이 개발한 에이전트는 약 40분 만에 게임을 완주해, 약 70분을 기록한 2위 팀을 큰 격차로 앞서며 스피드런 트랙 1위를 기록했다.우승 에이전트의 핵심은 LLM 기반 코드 생성(code generation)을 활용한 계층적 계획 방식에 있다. 먼저 LLM이 주어진 장기 목표를 여러 하위 목표(subgoal)로 자동 분해하고, 각 하위 목표를 처리하기 위한 파이썬 코드 형태의 루틴을 생성한다. 이렇게 생성된 코드 루틴은 에이전트가 어떤 상태에서 어떤 행동을 택해야 할지에 대한 구조화된 힌트나 보상 신호 역할을 하며, 강화학습이 더 빠르고 안정적으로 수렴하도록 돕는다. 계획이 코드로 남기 때문에 사람이 에이전트의 의사결정 과정을 추적하고 수정하기에도 비교적 수월하다는 장점이 있다.배준익 학생은 이번에 개발한 LLM+RL 하이브리드 에이전트를 샌드박스형 시뮬레이션 게임 등 다른 복잡한 환경으로 확장해 실험할 계획이다. 나아가 로보틱스와 같이 복잡한 장기 의사결정이 요구되는 분야로 응용 범위를 넓히는 후속 연구도 추진할 예정이다. 본 연구는 연세대학교 이영운 교수와 서울대학교 박재식 교수의 지도 하에 컴퓨터공학부 학부 졸업논문으로 정리될 계획이다....
유영재 교수, Google Research Scholar Award의 2025년 수상자로 선정
유영재 교수, Google Research Scholar Award의 2025년 수상자로 선정한국 교수로는 최초로 AI, NLP 분야에서 수상컴퓨터공학부 및 첨단융합학부 신임교수인 유영재 교수가 Google Research Scholar Award의 2025년 수상자로 선정되어 올해 9월부터 구글과 협력 프로젝트를 시작하게 되었다. 이 상은 전 세계 대학의 신진 연구자를 대상으로 컴퓨터 과학 및 관련 분야의 연구를 지원하고, 구글과의 협업 및 장기적 파트너십을 도모하기 위한 글로벌 프로그램이다.유영재 교수는 올해 자연어처리(NLP) 분야에서 수상한 다섯 명의 교수 중 하나로, 한국 교수로는 최초로 AI, NLP 분야에서 수상하는 성과를 거두었다. 이번 수상을 통해 약 7천만 원 규모의 연구비를 지원받게 되며, Embodied Commonsense Reasoning for Safe, Human-Like AI Agents 라는 주제로 대규모 언어모델 및 Physical AI, Safety 연구를 Google 연구자들과 장기적인 협업으로 추진할 계획이다.Google Research Scholar Award는 매년 인공지능, 시스템, 로보틱스, 보안, HCI 등 다양한 분야에서 혁신적인 성과를 보인 연구자를 선정하고 있으며, 수상자 명단은 전 세계 연구자들에게 공개된다. 전체 수상자 명단과 관련 소식은 구글 리서치 공식 웹사이트(Google Research Scholar Program Recipients)에서 확인할 수 있다....
김건희 교수 연구팀, 자연어처리 최우수학회 NAACL 2025 음성인식 부분 최고 논문상 수상
AI가 사람처럼 말버릇, 추임새, 끼어들기 등 대화 행동을 이해하고 재현하는 음성 대화 기술이 개발되었다.연구팀은 세계 최대 규모의 대화 행동 기반 음성 데이터셋인 Behavior-SD를 구축하고, 이를 바탕으로 자연스러운 AI 음성 대화 모델 BeDLM을 제안했다.해당 기술은 팟캐스트 제작, 상담 AI, 개인화 음성비서 등 사람과 상호작용이 중요한 다양한 분야에 활용 가능성이 높다.사람들이 대화를 할 때는 정보를 주고 받는 것 외에도 “음…”, “그니까…” 같은 말버릇을 쓰고, 적절한 순간에 “맞아”, “응” 같은 추임새를 넣거나, 때로는 상대의 말을 끊기도 하면서 소통한다. 하지만 기존 인공지능 대화 시스템은 이런 미묘한 말버릇이나 대화 습관을 반영하지 못해, 말투가 부자연스럽고 기계적으로 느껴질 수밖에 없었다.김건희 교수 연구팀(이세훈 박사과정, 김강욱 학사과정)은 이러한 문제를 해결하기 위해, 사람의 말버릇과 추임새(backchannel), 끼어들기(interruption), 감정 표현 등 대화 행동을 정밀하게 반영한 음성 데이터셋과 대화 생성 기술을 함께 제안하였다.연구팀은 먼저 10만 개 이상, 총 2천 시간 분량의 대규모 대화 행동 기반 음성 데이터셋인 Behavior-SD를 구축했다. 이 데이터는 단순한 문장이 아니라, 각 화자의 말투와 말버릇이 행동 단위로 주석 처리되어 있어, 실제 사람 간의 자연스러운 대화를 정밀하게 구현할 수 있도록 설계되었다.이 데이터를 바탕으로 개발된 행동 기반 대화 생성 모델(BeDLM)은, 대화 상황과 화자의 대화 행동 패턴을 입력으로 받아, 사람 간 대화에 가까운 음성 대화를 쉽게 생성할 수 있는 AI 기술을 구현했다. 대화 행동을 반영하여 말버릇을 자연스럽게 끼워 넣는다. 이 기술은 생동감 있는 팟캐스트 콘텐츠 제작, 개인 맞춤형 음성 비서, 정서적 반응이 필요한 상담 AI 등, 자연스러운 말하기와 듣기가 중요한 응용 분야에서 활용도가 높다.이 연구는 세계 최고 수준의 자연어처리 학회인 NAACL 2025에서 구두로 발표되었으며, 음성 처리 및 음성 언어 이해(Speech Processing and Spoken Language Understanding) 분야에서 최우수 논문에게 수여되는 Senior Area Chair Award를 수상했다. Senior Area Chair Award 는 자연어처리 핵심 9개 분야에서 각 최우수 논문 1편씩을 선정하였다.이 연구에서 개발된 Behavior-SD 데이터셋과 코드는 모두 오픈소스로 공개되어, 국내외 연구자 누구나 자유롭게 활용할 수 있다. 관련 기술의 확산과 후속 연구를 촉진할 수 있을 것으로 기대된다.[연구지원]본 연구는 정보통신기획평가원(IITP)의 ICT R&D 사업(No. RS-2022-II220156, No. RS-2019-II191082), ITRC 지원사업(No. IITP-2025-RS-2024-00437633), 서울대학교 글로벌 우수연구센터 사업, NRF 기초연구사업(RS-2023-00274280)의 지원을 받아 수행되었다.[논문 정보]“Behavior-SD: Behaviorally Aware Spoken Dialogue Generation with Large Language Models”, Sehun Lee*, Kang-wook Kim*, Gunhee Kim, 2025 Annual Conference of the Nations of the Americas Chapter of the Association for Computational Linguistics (NAACL 2025)...
이재진 교수 연구진, 제 10회 암호분석경진대회 대상 수상
이재진 교수 연구실 소속의 팀(비밀분쇄기 : 김진표, 김희훈)이 한국정보보호학회가 주최하여 5월 1일부터 8월 31일까지 진행된 "제10회 암호분석경진대회″에서 대상(국방부장관상)을 수상하였다.올해로 10년차를 맞는 암호분석경진대회는 암호분석 및 취약점 관련 문제를 해결하는 경진대회이다. 올해 대회에는 인공지능보안, 부채널공격, 디지털포렌식, 공개키암호, 암호구현 등의 분야에서 총 6개의 문제가 출제되었다. 해당 팀은 6개의 문제를 모두 성공적으로 해결해 대상을 수상하였다. 대회에 참여한 비밀분쇄기 팀의 김진표 학생은 "문제 풀이를 위해 최신 암호 및 공격 기법에 대한 공부를 한 것이 유익했고, 풀이하는 과정 자체가 즐거운 경험이었다"고 밝혔다. 대상 팀에는 부상으로 상금 600만 원이 수여된다....
이재진 교수 연구진, 삼성 인공지능/컴퓨터공학 챌린지 2024 최우수상 수상
이재진 교수 연구실 소속의 팀(ShallowSpeed : 배수민, 강민규, 김진표)이 삼성전자 SAIT에서 주최하여 8월 1일부터 10월 6일까지 진행된 "삼성 인공지능/컴퓨터공학 챌린지 2024″의 컴퓨터공학 분야에서 최우수상을 수상하였다. 대규모 언어 모델(Large Language Model)이 다양한 분야에서 높은 성과를 보여주면서 수요가 폭발적으로 증가함에 따라 On-device 시스템에서 제한된 자원으로 추론하는 것이 중요해졌다. 이러한 추세에 맞추어, 올해로 4회를 맞는 "삼성 인공지능/컴퓨터공학 챌린지 2024″는 컴퓨터공학 분야 과제에서 jetson 디바이스 내 한정된 메모리와 GPU를 활용하여 시스템 및 알고리즘 최적화를 통해 대규모 언어 모델의 정확도를 떨어뜨리지 않으면서 추론 성능을 높이는 것이었다. 해당 팀은 기존 GPU 연구 경험을 바탕으로 다양한 최적화를 적용하여 Phi-3-medium 모델로 text generation 추론 시간을 단축하였고. 그 결과 baseline 대비 200배 이상 가속하여 1위를 기록하는 성과를 내었다. 챌린지에 참여한 ShallowSpeed 팀의 배수민 학생은 "이번 챌린지를 통해 새로 접한 환경에서 문제를 해결해 나가는 능력을 키울 수 있었고, 최적화를 진행해나가면서 새로운 지식들을 얻어갈 수 있었던 유익한 경험이었다"고 밝혔다. 최우수상 팀에는 부상으로 상금 1,000만 원이 수여된다....