민지아 장

🏷️ 인물 LLM 에이전트 교수

개요

민지아 장(Minjia Zhang)은 일리노이대학교 어바나-샴페인(UIUC) 지벨 컴퓨팅데이터과학대학 컴퓨터과학과 조교수(테뉴어트랙)입니다. 전기컴퓨터공학부 및 국가슈퍼컴퓨팅응용센터(NCSA)와도 협력 관계를 맺고 있습니다. 개인 홈페이지는 minjiazhang.github.io입니다.

연구 분야는 LLM 추론 효율화, 텍스트 확산 모델, 코드 에이전트, 대규모 모델 훈련 시스템 효율화입니다. 특히 프로그래밍 가능성(programmability), 성능, 확장성의 교차점에서 새로운 머신러닝 알고리즘과 AI 시스템을 연결하는 연구에 집중합니다.

2025년에는 NSF CAREER Award와 Google ML and Systems Junior Faculty Award를 수상하는 등 젊은 교수 중 두드러진 성과를 올리고 있습니다. ACL 2026에는 장기적 에이전트 플래닝, 환각 탐지 등 4편의 논문이 수락되었습니다.

생애

오하이오주립대학교(OSU)에서 컴퓨터과학 박사 학위를 취득했습니다. 지도교수는 Michael D. Bond 교수로, 병렬 프로그램의 병렬 런타임 및 데이터베이스 시스템 효율화를 연구했습니다. 박사과정 중이던 2015~2016년에 마이크로소프트 리서치 레드먼드에서 Kathryn McKinley, Sameh Elnikety, Yuxiong He와 인턴십을 수행했습니다.

2016년 박사 학위 취득 후 마이크로소프트 AI and Research 레드먼드에서 수석 연구원(Principal Researcher) 및 기술 리드로 약 8년간 재직했습니다. 이 기간에 DeepSpeed 프로젝트에 핵심 기여자로 참여하며 ZeRO-Offload, DeepSpeed-MoE 등 분산 훈련 최적화 기술을 설계했습니다. 대형 언어모델 훈련 인프라를 실용화한 핵심 인물 중 하나로 평가받습니다.

2024년부터 UIUC 지벨 컴퓨팅데이터과학대학에 합류해 교수직을 시작했습니다. 산업계 경험을 기반으로 시스템 효율성과 LLM 알고리즘 연구를 통합하는 방향으로 그룹을 이끌고 있습니다.

업적

마이크로소프트 재직 시절 DeepSpeed 프로젝트에서 ZeRO-Offload를 공동 개발했습니다. ZeRO-Offload는 CPU 메모리와 연산을 활용해 수십억 파라미터 모델을 단일 GPU 환경에서도 훈련할 수 있게 한 기술로, 대규모 모델 훈련을 민주화했다는 평가를 받습니다. 또한 DeepSpeed-MoE 논문에서 MoS(Mixture of Sizes)와 메모리 효율 체크포인팅 설계를 주도했습니다.

2026년 ASPLOS에서 그룹이 제출한 SuperOffload 논문이 Best Paper Honorable Mention을 수상했습니다. SuperOffload는 슈퍼칩 기반 대규모 LLM 훈련 효율을 극대화하는 오프로딩 프레임워크입니다. 같은 해 UIUC 학장 연구 우수상도 수상했습니다.

LLM 추론 효율 분야에서는 어댑티브 KV 캐시 압축 기법을 제안한 "Model Tells You What to Discard" 논문이 ICLR 2024 Oral로 채택되며 주목받았습니다. ASPLOS 2026에서는 "Building Efficient Large-Scale Model Systems with DeepSpeed" 워크숍을 공동 주관하며 커뮤니티 기여를 이어갔습니다.

여담

UIUC 합류 전 마이크로소프트에서 산업계 연구원으로 8년을 보낸 경력은 그의 연구에서 시스템 실용성을 강조하는 방향성과 직결됩니다. 논문보다 실제 배포 규모에서 증명된 기술을 학계로 가져오는 방식으로 그룹을 운영하는 것으로 알려져 있습니다.

ASPLOS, NeurIPS, ICLR 등 시스템과 머신러닝 양쪽 최상위 학회에 고르게 논문을 발표하는 점도 특징입니다. 순수 알고리즘 연구자와 순수 시스템 연구자 사이의 교량 역할을 자처하며, 학생들에게도 양쪽 감각을 갖추도록 요구하는 것으로 전해집니다.

멀티에이전트 과학 그림 생성 하네스 Crafter - A Multi-Agent Harness for Editable Scientific Figure Generation from Diverse Inputs 논문에서 교신저자를 맡았습니다. LLM 추론 연구를 에이전트 실용화 방향으로 확장하는 시도로 평가됩니다.

주요 논문