🎉김호기 교수 연구진, 머신러닝 최적화 안정성 분석 논문 ICML 2026 채택

논문명: Stability Analysis of Sharpness-Aware Minimization

저자: Hoki Kim, Jinseong Park, Yujin Choi, Jaewook Lee

게재지: ICML 2026

김호기 교수 연구진의 논문 “Stability Analysis of Sharpness-Aware Minimization”이 머신러닝 분야 세계 최고 권위 학회 중 하나인 ICML(International Conference on Machine Learning) 2026에 채택되었다.

Sharpness-Aware Minimization(SAM)은 최근 일반화 성능을 향상시키는 대표적인 최적화 기법으로 주목받아 왔다. 그러나 본 연구는 SAM이 일반적인 직관과 달리 안장점(saddle point)에 갇힐 수 있음을 이론적으로 증명하고, 다양한 실험을 통해 이를 실증했다. 또한 모멘텀(momentum)과 배치 크기(batch size)가 이러한 불안정성을 완화하는 핵심 요소임을 규명했다.

이번 연구는 SAM 기반 최적화의 한계와 안정화 조건을 명확히 제시함으로써, 실무자들이 SAM을 활용할 때 참고할 수 있는 이론적·실용적 가이드라인을 제공한다는 데 의의가 있다.

본 논문은 ICML 2026에서 발표될 예정이다.