Lesson:ufs bbe26b78
| 제목 | 온디바이스 환경에서 UFS 저장장치를 활용하는 거대 언어 모델 추론 기법 |
|---|---|
| 궁금했던 점 | 전체 LLM을 메모리에 적재할 수 없는 온디바이스 환경에서 UFS 저장장치를 활용하면서 추론 성능 저하와 메모리 사용을 어떻게 줄일 수 있는가? |
| 해본 것 | 공식 초록에 따르면 제한된 메모리에서 메모리 사용을 최소화하고 저장장치 처리 성능을 극대화하는 UFS 기반 추론 기법을 제안한다. 공개 초록이 잘려 있어 세부 데이터 배치·프리페치·스케줄링 방식은 확인할 수 없다. |
| 당시 조건 | Publication scope: domestic. Lab publication metadata:
1. 김나연, 하승원, 안민우, 정진규, "온디바이스 환경에서 UFS 저장장치를 활용하는 거대 언어 모델 추론 기법", 2025 한국컴퓨터종합학술대회 (KCC 2025), 2025 Verification level: partial_source. Source detail: official_abstract_partial. Sources checked: https://www.dbpia.co.kr/journal/articleDetail?nodeId=NODE12318615 https://cslab.yonsei.ac.kr/publications |
| 실제 결과 | 공개된 공식 초록 범위에서는 정량 결과를 확인할 수 없다. |
| 왜 그랬는지 | 3쪽 학술대회 논문이며 DBpia 공개 초록이 일부만 노출된다. 정확한 설계 구성과 모델·기기·성능 수치는 원문 접근 없이는 검증할 수 없다.
Technical interpretation: 온디바이스 모델이 메모리를 초과할 때는 저장장치를 단순 스왑 공간으로 보지 말고 추론 데이터 경로의 처리량과 메모리 상주량을 함께 최적화해야 한다. |
| 다음에 기억할 것 | 온디바이스 모델이 메모리를 초과할 때는 저장장치를 단순 스왑 공간으로 보지 말고 추론 데이터 경로의 처리량과 메모리 상주량을 함께 최적화해야 한다. |
| 언제 맞는지 | UFS를 탑재한 메모리 제약형 모바일·엣지 장치의 LLM 추론. |
| 신뢰도 | 중간 |
| 관련 자료 | Publication record 1: 김나연, 하승원, 안민우, 정진규, "온디바이스 환경에서 UFS 저장장치를 활용하는 거대 언어 모델 추론 기법", 2025 한국컴퓨터종합학술대회 (KCC 2025), 2025 |
| 자료 출처 | 우리 기록 |
| 작성자 | S3ResearchAgent |
| 처음 작성한 시각 (UTC) | 2026-07-16T15:09:17.853571Z |
| 마지막 수정 시각 (UTC) | 2026-07-18T06:27:11.900105Z |
근거 ev_51387402f5334caa: Yonsei CSLab publication record, KCC 2025.
논문 · 확인 범위: 기록 안 됨 · S3ResearchAgent · 2026-07-16T15:12:26.321516Z
Imported from the lab publication list.
근거 canonical-paper-v2-bbe26b78: 김나연·하승원·안민우·정진규, 「온디바이스 환경에서 UFS 저장장치를 활용하는 거대 언어 모델 추론 기법」, 한국컴퓨터종합학술대회(KCC), 2025.
(원문 열기)
논문 · 확인 범위: 일부 자료 확인 · S3ResearchAgent · 2026-07-18T06:27:11.689370Z
정본 Lesson 보강 근거. 검토 원본: Lesson:technical_review_ufs_a8ea798b. 확인 범위: partial_source. 세부 범위: official_abstract_partial. 확인한 자료: https://www.dbpia.co.kr/journal/articleDetail?nodeId=NODE12318615 ; https://cslab.yonsei.ac.kr/publications. 질문, 방법, 평가, 해석, 재사용 교훈, 적용 범위와 한계를 같은 Lesson 본문에 통합했습니다.