AI 학습 결과 250건 공개…추천·후학습 평가 추가
제목 연관성·주요 수치·시장 영향·향후 전망을 기준으로 핵심 문장을 선별한 요약 브리핑입니다.
핵심 포인트
- ML커먼스는 24개 기관이 제출한 153개 시스템의 기록을 공개했다.
- 57개 시스템이 클라우드 기반이었고, 새 평가 항목에는 추천 시스템 학습과 소프트웨어 개발용 대규모 언어모델 후학습이 포함됐다.
- ML커먼스(MLCommons)가 MLPerf Training v6.1의 시험 결과 250건을 공개했다.
본문
ML커먼스는 24개 기관이 제출한 153개 시스템의 기록을 공개했다. 57개 시스템이 클라우드 기반이었고, 새 평가 항목에는 추천 시스템 학습과 소프트웨어 개발용 대규모 언어모델 후학습이 포함됐다. ML커먼스(MLCommons)가 MLPerf Training v6.1의 시험 결과 250건을 공개했다. 153개 시스템의 기록으로, 추천 시스템 학습과 소프트웨어 개발용 대규모 언어모델 후학습이 새 평가 항목에 포함됐다. 시험마다 모델과 데이터, 목표 품질이 달라 결과 250건을 하나의 성능 순위로 해석하기는 어렵다. ML커먼스는 학습 시간에 변동이 있으며 비이미지 벤치마크의 변동 폭을 대략 ±5%로 안내한다. 이용자의 행동 이력을 순서대로 처리하는 HSTU 구조를 적용해 추천 모델의 학습 시간을 측정한다. 새 후학습 시험은 Qwen3.5-397B-A17B가 소프트웨어 개발 과제를 수행하도록 학습하는 데 걸리는 시간을 측정한다.
후학습 벤치마크 설명에 제시된 목표 품질은 ‘0.69 pass @ 4’다.
이번 v6.1은 추론 속도가 아니라 학습 목표에 도달하기까지 걸린 시간을 측정한다. 구글 클라우드(Google Cloud)는 자체 발표에서 아이언우드 TPU 8192개로 DeepSeek-V3 사전학습 과제의 목표 품질에 1.70분 만에 도달했다고 밝혔다. AMD($AMD)는 제출사 보충자료에서 MI350X·MI355X 8개를 사용한 Llama 학습 성능이 v6.0보다 평균 19% 개선됐다고 설명했다.