연구팀이 LLM의 절차적 지식 압축을 위한 SKIM(SKIll coMpression) 프레임워크를 개발했어요. SKIM은 LLM 추론 효율성을 높이고, 절차적 지식의 효과를 유지하며, 복잡도에 따라 다양한 수의 소프트 토큰을 생성해요.
SKIM은 30~60%까지 기술 토큰 길이를 줄이면서 기존 압축 방식보다 작업 성능을 더 잘 보존해요. 특히 논리적 의존성 유지, 오프라인 압축, 복잡도 적응성을 고려했어요.
연구팀은 SKIM 코드를 GitHub에 공개했으며, LLM의 절차적 지식 활용 효율성을 높이는 데 기여할 것으로 기대돼요.