본 논문은 자원 제약이 있는 무선 네트워크에서 대규모 AI 모델의 구현을 용이하게 하기 위해 연합 미세 조정 및 협업 추론 기술을 탐구합니다. 특정 분야에서의 대규모 AI 모델의 유망한 응용 프로그램을 논의하고, 통신 오버헤드 문제를 해결하고 통신 효율성을 높이기 위해 연합 미세 조정 방법을 제안합니다. 클러스터형, 계층형, 비동기적 패러다임을 따르는 이 방법론은 프라이버시 문제를 효과적으로 해결하고 데이터 사일로를 제거합니다. 또한 운영 효율성을 높이고 지연 시간을 줄이기 위해 분산 수평 협업, 클라우드-엣지-엔드 수직 협업, 다중 접속 협업을 포함하는 효율적인 모델 협업 추론 프레임워크를 개발합니다. 시뮬레이션 결과는 다양한 다운스트림 작업에서 제안된 방법이 대규모 AI 모델의 미세 조정 손실을 줄이는 데 효과적임을 보여줍니다. 마지막으로 몇 가지 미해결 과제와 연구 기회를 제시합니다.
