한인수 교수 사진

KAIST전기및전자공학부, 반도체시스템공학과신생 랩

가변적 기계학습 알고리즘 연구실

한인수 조교수 (Insu Han)

탑티어 논문
7편
전체 논문
7편
구성원
5명

홈페이지에 올라온 모집 안내

“FlexML is currently recruiting self-motivated incoming graduate students with strong backgrounds in mathematics, computer science, or electrical engineering starting from”

원래 글 보기
랩실 소개

대규모 머신러닝 모델의 추론 비용과 메모리 사용량을 줄이는 근사 알고리즘을 연구해요. 특히 LLM의 attention 계산, KV cache, speculative decoding을 효율화하고, 실제 장치 배포를 위한 하드웨어 인지 추론과 메모리 효율적인 런타임도 다뤄요.

AI가 최신 논문을 바탕으로 쓴 소개예요

주로 내는 곳
ICML탑티어NeurIPS탑티어AAAI탑티어

연구 내용

  • 모델 압축: 정확도 저하를 최소화하는 양자화 기법과 pruning으로 모델 크기와 추론 비용 절감
  • KV cache 최적화: 1-bit 양자화와 JL transform을 활용한 캐시 압축
  • Attention 근사: discrepancy theory 기반 streaming attention, near-linear time attention
  • Transformer 가속: kernel density estimation을 이용한 계산 효율화
  • Speculative decoding: Mamba drafter를 이용한 LLM 추론 가속
  • 구성: 석사과정 학생과 연구원

연구 주제별 논문

  1. Attention 근사와 Transformer 가속

  2. LLM 추론 효율화

연구실 홈페이지에서 소개 읽기
핵심 연구 주제

AI & Machine Learning · Information · Communication & Coding · Approximate algorithms for largescale machine learning · Efficient inference of foundation models · 컴퓨터 · 인공지능 및 소프트웨어

연도별 논문
지원 가능 학과

이 교수가 소속되어 있거나 겸직하는 학과·대학원이에요. 대학원 과정이 있는 곳이면 대개 그 학과로 지원해 이 교수에게 지도를 받을 수 있어요.

모집 학과와 전형은 학기마다 달라져요. 지원하기 전에 학과별 입학 안내를 확인해 주세요.

2026. 11. 11. 기준으로 학과·연구실 홈페이지에서 모은 정보예요. 잘못된 정보가 있거나 내리고 싶으시면 [email protected]로 알려 주세요.

비슷한 랩실 더 보기