협업 엣지 컴퓨팅 기반 효율적 LLM 추론 EdgeShard

오늘의 논문

원문 보기 문헌연구

HOT PAPER IT Crossref 실존 확인 2026-10-01 회차 지난 회차

협업 엣지 컴퓨팅 기반 효율적 LLM 추론 EdgeShard

EdgeShard: Efficient LLM Inference via Collaborative Edge Computing

Mingjin Zhang, Xiaoming Shen, Jiannong Cao 외 · IEEE Internet of Things Journal · 2024년 · 조회 8

왜 이 논문인가 — 선정 기준

HOT PAPER · 최근 가장 주목받는 논문 — 피인용·FWCI·동년 인용 백분위

2024-12 발표 · 피인용 215회 · 분야 내 인용 영향력 상위권 · 동년 인용 상위 1%

HOT 슬롯에 선정된 이유는 2024년 말 발표 이후 215회의 피인용 횟수를 기록하며 동일 연도 논문 중 인용 상위 1%에 해당하는 높은 주목도를 보였기 때문이다.

논문 요약

본 논문은 LLM을 클라우드가 아닌 엣지와 클라우드가 협업하는 환경에 배치하여 추론 효율성을 높이는 방법을 제안한다. 기존 연구는 무거운 작업을 클라우드에 오프로드하거나 모델을 양자화하는 방식에 의존했지만, 본 접근은 엣지와 클라우드가 자원을 공유해 고성능 추론을 가능하게 한다. 제한된 엣지 리소스에도 불구하고 높은 정확도와 낮은 지연 시간을 달성한다는 점을 강조한다.

후속 연구설계에 활용하기

후속 연구에서는 엣지와 클라우드 간 자원 할당 비율·네트워크 대역폭·지연 시간을 변수로 설정해 효율성을 정량화하는 실험 설계에 활용할 수 있다.

핵심어

LLM엣지 컴퓨팅협업 추론지연 최소화

실존 확인

이 논문은 OpenAlex에서 후보로 수집한 뒤, Crossref에 등록된 DOI와 제목 일치를 확인해 노출합니다. SSRA가 문헌연구에서 인용 논문의 실재 여부를 검증하는 원칙과 같습니다.

DOI: 10.1109/jiot.2024.3524255

2026-10-01 확인 · 2026-10-01 선정

협업 엣지 컴퓨팅 기반 효율적 LLM 추론 EdgeShard

왜 이 논문인가 — 선정 기준

논문 요약

후속 연구설계에 활용하기

핵심어

실존 확인

같은 회차의 다른 논문