▣ 프로그램 ※ 이 프로그램은 사정에 따라 변경될 수 있습니다.

· 10:00 ~ 12:00 (Large Language Model의 역사와 초기 아키텍처, 고려대 김중헌 교수)

자연어 처리 기술의 발전 과정 속에서 등장한 Large Language Model(LLM)의 역사전 배경과 주요 전환점을 살펴봅니다.  초기의 Word Embedding 기반 모델부터 Transformer 아키텍처의 도입까지, 대표적인 모델의 구조와 차별점을 중심으로 이해합니다. 또한, 이러한 모델들이 자연어 처리 분야에서 어떻게 활용되었는지와 당시의 한계점은 무엇이었는지를 분석하며, 이후 발전의 기반이 된 핵심 기술들을 학습합니다.

· 12:00 ~ 13:00 점 심

· 13:00 ~ 14:20 (Large Language Model의 진화와 최신 SOTA 모델, 고려대 김중헌 교수)

Transformer 이후 등장한 대규모 언어 모델들의 진화를 살펴보고, 최근의 State-of-the-Art(SOTA) 모델들의 구조적 특징과 성능 비교를 중심으로 학습합니다. 파라미터 수, 학습 데이터 규모, 학습 방식(Instruction tuning, RLHF 등) 과 같은 주요 요소들이 모델 성능에 미치는 영향을 분석하며, 최신 LLM의 능력과 한계를 기술적으로 고찰합니다. 아울러, 프롬프트 엔지니어링, Chain-of-Thought, RAG등 LLM의 활용 방식도 함께 다룹니다.

· 14:20 ~ 14:30 Break

· 14:30 ~ 15:50 (멀티모달 LLM의 등장과 발전 방향, 고려대 김중헌 교수)

언어 정보를 넘어 이미지, 음성, 비디오 등 다양한 데이터를 처리하는 멀티모달 LLM의 개념과 필요성에 대해 이해하고, 대표적인 멀티모달 모델의 구조와 학습 방식에 대해 학습합니다. 멀티모달 정보 통합을 위한 기술을 중심으로 설명하며, 향후 멀티모달 LLM이 나아갈 발전 방향과 기술적 도전 과제를 함께 분석합니다.

· 15:50 ~ 16:00 Break

· 16:00 ~ 17:20 (실전으로 본 LLM 응용 사례: 자율 이동체 중심으로, 고려대 김중헌 교수)

자율주행차, 드론, 로봇 등의 자율 이동체 시스템에서 LLM이 실제로 어떻게 활용되고 있는지를 사례 중심으로 학습합니다. 자연어 기반의 미션 이해, 경로 계획, 상황 판단 등에서 LLM의 활용 방식을 살펴보며, 이를 강화학습, 시뮬레이션 환경과 연계하는 최신 융합 응용기술도 함께 소개합니다. 또한, LLM을 통한 안전성 향상, 협력적 제어와 같은 실전 적용 가능성에 대해 분석하고, 관련 연구동향도 함께 다룹니다.

붙임  특강 프로그램 안내 자료1부.