본 논문은 대규모 인공지능 모델(LAMs)을 의미론적 통신(SemCom)에 통합하는 것을 탐구합니다. LAMs의 다중 모달 데이터 처리 및 생성 기능을 활용하여 차세대 통신 시스템의 설계, 최적화 및 관리에 혁신을 가져올 것을 약속합니다. LAMs의 우수한 의미 추출 능력에도 불구하고, 높은 자원 요구량, 모델 복잡성, 다양한 모달리티 및 작업에 대한 적응성 필요성 등의 과제가 존재합니다. 이러한 과제를 극복하기 위해, 본 논문은 적응형 모델 압축 전략과 연합 분할 미세 조정 기법을 포함하는 LAM 기반 다중 작업 SemCom(MTSC) 아키텍처를 제안합니다. 또한, 최신 로컬 및 글로벌 지식 기반을 통합하는 검색 증강 생성 방식을 구현하여 의미 추출 및 콘텐츠 생성의 정확도를 향상시켜 추론 성능을 개선합니다. 시뮬레이션 결과는 제안된 LAM 기반 MTSC 아키텍처의 효과를 보여주며, 다양한 채널 조건에서 다양한 하위 작업 전반에 걸친 성능 향상을 강조합니다.
