Efficiently Lightweight Korean Language Model with Post-layer Pruning and Multi-stage Fine-tuning

대규모 언어 모델의 성능 향상과 더불어 크기 증가로 효율적인 경량화 기법이 필요하다. 본 연구는 기존 8B 모델을 후반 레이어 pruning으로 5B로 축소하면서도, 두 단계의 fine-tuning을 통해 성능을 유지 및 향상시키는 방법을 제시한다. Broad fine-tuning 단계에서는 영어-한국어 병렬 데이터와 대규모 한국어 코퍼스를 활용해 모델의 한국어 이해 및 생성 능력을 확장하고, Refined fine-tuning 단계에서는 고품질 데이터셋으로 표현력과 추론 능력을 고도화하였다. 또한, 모델 병합 기법을 통해 개별 모델의 강점을 통합하였다. 실험 결과, LogicKor 리더보드 평가에서 제안 모델은 추론, 글쓰기, 이해 영역에서 우수한 성능을 보였으며, 종합 점수 4.36으로 원본 Llama-3.1-8B-Instruct 모델(4.35)을 상회하였다. 이는<br/>모델 크기를 37.5% 축소하면서도 성능 향상을 입증한 성과이다.