본 논문은 대규모 언어 모델(LLM)의 효율적인 압축 기법에 대한 연구를 다룹니다. 특히, 가지치기(pruning)와 양자화(quantization) 기법을 결합하여 단일 기법 사용보다 우수한 성능 대 압축률을 달성하는 방법을 탐구합니다. 기존 평가틀의 한계를 지적하고, 의미 보존율을 고려한 새로운 평가 지표인 Semantic Retention Compression Rate (SrCr)을 제안합니다. 실험 결과, 제안된 결합 기법은 동일한 이론적 압축률에서 양자화만 사용하는 모델에 비해 평균 20% 향상된 성능을 보였습니다.
