김세훈 교수 사진

KAIST김재철AI대학원신생 랩

김세훈 연구실

김세훈 조교수 (Sehoon Kim)

탑티어 논문
10편
전체 논문
12편
랩실 소개

긴 문맥에서의 LLM 추론을 빠르게 하고 메모리 사용을 줄이는 attention·KV cache·양자화 기법을 연구해요. 장기 과제의 계획과 LLM의 함수 호출을 다루는 에이전트 실행 방법도 연구해요.

AI가 최신 논문을 바탕으로 쓴 소개예요

주로 내는 곳
ICML탑티어NeurIPS탑티어ACL탑티어

연구 내용

  • 장문맥 추론: Squeezed Attention, Multipole Attention을 활용한 attention 연산 효율화
  • KV cache 최적화: 계층적 양자화와 self-speculative decoding을 통한 긴 문맥 추론 및 생성 가속
  • LLM 양자화·디코딩: Dense-and-Sparse Quantization, Big Little Decoder 기반 speculative decoding
  • 함수 호출: LLM Compiler를 이용한 병렬 함수 호출, TinyAgent의 엣지 환경 함수 호출
  • 에이전트 계획: 장기 과제에서 에이전트의 계획 성능을 높이는 Plan-and-Act 방식

연구 주제별 논문

  1. 장문맥 LLM 추론 최적화

  2. LLM 에이전트와 함수 호출

연구실 홈페이지에서 소개 읽기
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