본 논문은 무선 네트워크 환경에서의 대규모 언어 모델(LLM) 학습의 보안 및 개인 정보 보호 문제를 해결하기 위해, 분산 학습 방식인 연합 학습(FL)을 기반으로 한 새로운 프레임워크인 Personalized Wireless Federated Fine-tuning (PWFF)를 제안한다. PWFF는 LLM의 사전 학습, 지시 조정, 정렬 조정 단계를 체계적으로 분석하고, 어댑터와 LoRA 기법을 활용하여 에너지 소비를 줄이고, 전역 부분 집계를 통해 통신 지연을 감소시킨다. 또한, 개인화된 학습을 위해 두 가지 보상 모델과 개인화된 손실 함수를 설계하고, FL 프로세스의 안정성과 효율성을 보장하기 위해 지역 다목적 정렬을 구현한다. 시뮬레이션을 통해 PWFF의 성능을 검증하고, 향후 연구 과제를 논의한다.
