FuriosaAI, ICML 및 ACL에서 AI 성능 관련 논문 발표

FuriosaAI의 엔지니어와 연구진이 ICML 2025와 ACL 2025에서 총 6편의 논문을 발표했다. 이번 연구는 고성능 추론 가속기인 RNGD 및 차세대 제품의 성능을 극대화하기 위해 세 가지 핵심 영역에 집중한다.

주요 연구 분야는 다음과 같다:

• 효율성(More efficient): 대규모 모델 추론 가속 및 모델 병렬화 자동화
• 능력(More capable): 수학을 넘어 법률 등 다양한 도메인에서의 복잡한 추론 능력 강화
• 유연성(More flexible): **SSM(State Space Models)**과 같은 새로운 아키텍처의 효율적인 미세 조정(Fine-tuning)

주요 논문 내용은 다음과 같다:

Parameter-Efficient Fine-Tuning of State Space Models에서는 Mamba와 같은 SSM 기반 모델에 최적화된 SDT(Sparse Dimension Tuning) 기법을 제안했다. 이는 기존 LoRA의 한계를 극복하고 최첨단 성능을 달성한다.

VersaPRM은 수학 외 도메인에서 성능이 낮은 기존 **PRM(Process Reward Model)**의 한계를 해결하기 위해, 합성 추론 데이터를 활용한 다중 도메인 PRM을 도입했다. 이를 통해 법률(Law) 분야 등에서 유의미한 성능 향상을 입증했다.

TabFlex는 선형 어텐션(Linear Attention)을 활용해 대규모 표 형식 데이터(Tabular Data) 학습을 확장하는 기술을 다룬다.