리서치 연구
TAP-Path: Task-Adaptive Structural and Token Pruning for Efficient and Trustworthy Pathology Foundation Models
ARarXiv
병리 진단용 대규모 AI 모델의 높은 연산 비용 문제를 해결하기 위해, 연구진은 구조적 압축 프레임워크인 TAP-Path를 제안했습니다.
세 줄 요약
- TAP-Path는 트랜스포머 블록과 패치 토큰을 적응적으로 제거하여 파라미터를 25% 이상 줄이고 연산량을 약 35% 절감합니다.
- 모델의 효율성을 극대화하면서도 진단 정확도를 유지함으로써, 병리 분야 AI의 실용성과 신뢰성 확보에 기여합니다.
- 내부 벤치마크는 물론 외부 데이터셋(CPTAC)에서도 높은 성능과 안정적인 진단 능력을 입증했습니다.
병리 진단용 대규모 AI 모델의 높은 연산 비용 문제를 해결하기 위해, 연구진은 구조적 압축 프레임워크인 TAP-Path를 제안했습니다.