독자 AI 파운데이션 모델 프로젝트에서 노타는 모델 경량화를 통해 대규모 LLM을 더 적은 GPU로 구동할 수 있도록 최적화했으며, Backend.AI와 FastTrack을 활용해 반복 실험과 자원 관리를 효율화했습니다. 그 결과 250B급 모델의 서빙에 필요한 GPU 수를 크게 줄이면서도 품질 저하를 최소화하고, 온디바이스 중심의 경량화 기술을 데이터센터 규모로 확장할 수 있었습니다.