본 논문은 의료 분야에 적용 가능한 다중 모달 대규모 언어 모델(MLLM)의 효율적인 압축 기법을 평가한다. 특히, 미세 조정된 LLAVA 모델을 대상으로 구조적 가지치기와 활성화 인식 양자화의 영향을 분석하고, 새로운 계층 선택 방법을 제시하여 가지치기-미세 조정-양자화 파이프라인의 성능 저하와 메모리 사용량 감소 효과를 평가한다. 70억 개 매개변수를 가진 MLLM을 4GB의 VRAM에서 실행 가능하도록 압축하여, 기존 기법 대비 메모리 사용량을 70% 줄이고 성능은 4% 향상시키는 결과를 얻었다.
