AI 모델 허브의 급속한 성장이 모델 선택 확장과 라우팅 메커니즘 업데이트라는 과제를 야기해요. 연구진은 이 문제를 지속적인 모델 라우팅(CMR)으로 정의하고, 2,000개 이상의 후보 모델을 포함하는 CMRBench 벤치마크를 새롭게 제시했어요. CARvE는 체크포인트 기반 앵커링과 구조화된 리플레이를 활용한 대비 임베딩 방식으로, 기존 방식보다 뛰어난 성능을 보여줘요.
CARvE는 모델, 패밀리, 도메인 수준 정확도에서 기존 방식보다 우수한 성능을 입증했어요. CMRBench는 실제 허브 확장을 시뮬레이션하며, AI 모델 허브의 지속적인 성장에 따른 과제를 해결하기 위한 새로운 벤치마크예요.
본 연구는 AI 모델 허브의 지속적인 모델 라우팅 문제를 해결하기 위한 새로운 접근 방식을 제시하며, 향후 모델 허브 운영 및 관리에 기여할 것으로 기대돼요.