LLM 파인튜닝할 때 LoRA vs 풀 파인튜닝, 실제로 뭐가 다른가요?

요즘 회사에서 자체 도메인 데이터로 LLM을 파인튜닝하려고 하는데, LoRA로 할지 풀 파인튜닝으로 할지 헷갈리네요. 둘 다 해본 분들 있으신가요?

일단 이론상으로는 LoRA가 저랭크 분해를 이용해서 파라미터를 훨씬 적게 업데이트한다는 건 알겠는데, 실제 성능이 얼마나 차이 나는지가 궁금해요. 특히 특정 도메인에 특화된 모델을 만들어야 하는 경우에는 풀 파인튜닝이 더 나을 것 같긴 한데...

GPU 메모리 관점에서는 당연히 LoRA가 유리한 거 맞죠. A100 같은 고사양 GPU가 있으면 풀 파인튜닝도 가능하겠지만, RTX 4090 같은 소비자급 GPU에서는 LoRA가 현실적이더라고요. 저희도 그래서 LoRA로 시작해볼 생각인데, 혹시 이 선택으로 성능에 큰 손실이 생길 수 있을까봐 걱정돼요.

최근에 읽은 논문들 보면 LoRA도 충분히 좋은 결과를 낸다고는 하는데, 실제 프로젝트에서 써본 경험담이 있으면 공유해주세요. 특히 금융이나 법률 같은 전문 도메인 파인튜닝 경험이 있으신 분이면 더 좋겠어요. 랭크 크기를 어느 정도로 잡으셨는지, 에포크는 몇 번 도셨는지 이런 디테일도 궁금합니다.

그리고 혹시 LoRA 어댑터를 여러 개 로드할 수 있다는 것도 있더던데, 그건 실무에서 어떻게 활용되는지도 궁금하네요. 다양한 도메인 어댑터를 동시에 쓸 수 있다면 꽤 유연할 것 같긴 한데...