0725-ko-genstruct-v0.2-creative-writing
Ko-genstructλ μ£Όμ΄μ§ λ¬Έμλ‘λΆν° Instruction Tuning λ°μ΄ν°λ₯Ό μμ±ν΄λ΄λ λͺ¨λΈμ λλ€.
λͺ¨λΈ | μ ν |
---|---|
iknow-lab/0725-ko-genstruct-v0.2-simple-qa | λ¨μν μ§λ¬Έκ³Ό λ΅λ³ μμ± |
iknow-lab/0725-ko-genstruct-v0.2-writing | κΈμ°κΈ° μ§μλ¬Έκ³Ό λ΅λ³ μμ± |
iknow-lab/0725-ko-genstruct-v0.2-creative-writing | μ°½μμ μΈ κΈμ°κΈ° μ§μλ¬Έκ³Ό λ΅λ³ μμ± |
μ΄ λͺ¨λΈμ Ada-instructμ Genstructλ‘λΆν° μκ°μ λ°μμ΅λλ€.
λ€μκ³Ό κ°μ μ©λλ‘ νμ©ν μ μμ΅λλ€.
- κ²μ λͺ¨λΈμ νμ΅νκΈ° μν΄ μ£Όμ΄μ§ ν μ€νΈλ‘λΆν° μ§λ¬Έμ μμ±νκΈ°
- 보μ ν λ°μ΄ν°λ₯Ό μ΄μ©νμ¬ Instruction Tuning νμ΅ λ°μ΄ν°λ₯Ό μμ±
μ¬μ©λ°©λ²
μμ± μμ
import transformers
transformers.logging.set_verbosity_error()
import transformers
import peft
model_id = "MLP-KTLim/llama-3-Korean-Bllossom-8B"
peft_model_id = "iknow-lab/0725-ko-genstruct-v0.2-creative-writing"
tokenizer = transformers.AutoTokenizer.from_pretrained(model_id)
model = transformers.AutoModelForCausalLM.from_pretrained(model_id, device_map="cuda:0", torch_dtype="auto").eval()
model.load_adapter(peft_model_id)
text = """
μ 1μ₯ μ΄μΉ
μ 1μ‘°(λͺ©μ ) μ΄ νμΉμ μμ£Όλνκ΅(μ΄νβλ³Έ λνκ΅βλΌ νλ€)μ μ΄λ
μ μ€μ νκ³ μ΄λ₯Ό λ¬μ±νλλ° νμν μ¬νμ κ·μ ν¨μ λͺ©μ μΌλ‘ νλ€.
μ 2μ‘°(λνμ΄λ
) λ³Έ λνκ΅λ λνλ―Όκ΅ κ΅μ‘μ κ·Όλ³Έμ΄λ
μ μ
κ°νμ¬ μΈκ°μ‘΄μ€, μ€μ¬κ΅¬μ, μΈκ³μΌκ°μ μ μ μΌλ‘ κ΅κ° λ° μΈλ₯μ¬νμ λ°μ μ κΈ°μ¬ν μ μλ μ λ₯ν μΈμ¬λ₯Ό μμ±νκ³ νμ μ μ¬μ€ν μ΄λ‘ κ³Ό κ·Έ κ΄λ²νκ³ μ μΉν μμ©λ°©λ²μ μ°κ΅¬νλ©° κ΅μ‘γμ°κ΅¬μ λ₯λ ₯κ³Ό μμ€μ νμ©νμ¬ μ¬νμ μ§μ λ΄μ¬νλ κ²μ λͺ©νλ‘ νλ€.
μ 3μ‘°(μ μ) β βνμ¬κ³Όμ βμ΄λΌ ν¨μ νμ¬νμλ₯Ό μμ¬νκΈ° μν κ³Όμ μ λ§νλ€.
β‘βμμ¬κ³Όμ βμ΄λΌ ν¨μ μμ¬νμλ₯Ό,βλ°μ¬κ³Όμ βμ΄λΌ ν¨μ λ°μ¬νμλ₯Ό,βμγλ°μ¬ν΅ν©κ³Όμ βμ΄λΌ ν¨μ νμ¬μκ² λ°μ¬νμλ₯Ό κ°κ° μμ¬νκΈ° μν κ³Όμ μ λ§νλ€.
β’βλνμκ³Όμ βμ΄λΌ ν¨μ λ³Έ λνκ΅ μΌλ°λνμ, μ λ¬Έλνμ λ° νΉμλνμμ μ€μΉλ μμ¬κ³Όμ , λ°μ¬κ³Όμ λ° μγλ°μ¬ν΅ν©κ³Όμ λͺ¨λλ₯Ό λ§νλ€.
β£βνκ³Όκ°νλκ³Όμ βμ΄λΌ ν¨μ λνμκ³Όμ μμ 2κ° μ΄μμ νκ³Όκ° κ³΅λμΌλ‘ μ€μΉγμ΄μνλ κ³Όμ μ λ§νλ€. (κ°μ 2013.7.5)
β€βνμ°μ°νλκ³Όμ βμ΄λΌ ν¨μ λνμκ³Όμ μμ μ°κ΅¬κΈ°κ΄ λλ μ°μ
체μμ κ³μ½μ μνμ¬ μ€μΉγμ΄μνλ νγμ°γμ°, νγμ° λλ νγμ° νλκ³Όμ μ λ§νλ€.
β₯βνγμμ¬μ°κ³κ³Όμ βμ΄λΌ ν¨μ λ³Έ λνκ΅ νμ¬κ³Όμ κ³Ό μΌλ°λνμ μμ¬κ³Όμ μ μ°κ³νλ κ³Όμ μ λ§νλ€. (μ μ€ 2008.5.21)
β¦βνΉμνλΆβλΌ ν¨μ λνμ μμλμ΄ μμ§ μμ λ
립νλΆλ₯Ό λ§νλ€. (κ°μ 2008.5.21) (κ°μ 2010.7.21)
β§ βμ λ¬Έκ³Όμ βμ΄λΌ ν¨μ νμ¬κ³Όμ μμ λμΈ κ΅μ‘μΈμ¦μ λ°κΈ° μνμ¬ μ΄μνλ κ΅μ‘κ³Όμ μ λ§νλ€. (μ μ€ 2011.8.11)
μ 2μ₯ μ‘°μ§
μ 4μ‘°(기ꡬ) λ³Έ λνκ΅μ μ΄μ₯, κ΅λ¬΄λΆμ΄μ₯, μ무λΆμ΄μ₯, μ°νλΆμ΄μ₯, λν, μΌλ°λνμ, μ λ¬Έλνμ, νΉμλνμ, νΉμνλΆ, λνκ΅λ³ΈλΆ, λΆμκΈ°κ΄, μ°κ΅¬κΈ°κ΄, μ§μκΈ°κ΄, μμ£Όλνκ΅μ°ννλ ₯λ¨, μλ£μ, μ΄μ₯μ§μ기ꡬ, λΆμ΄μ₯μ§μ기ꡬ λ° νΉλ³κΈ°κ΅¬λ₯Ό λλ©°, μΈλΆμ¬νμ λ³ν1κ³Ό κ°λ€. (κ°μ 2007.3.26) (κ°μ 2007.7.25) (κ°μ 2007.9.9) (κ°μ 2008.2.22) (κ°μ 2008.12.16) (κ°μ 2009.2.20) (κ°μ 2009.4.2) (κ°μ 2009.4.29) (κ°μ 2009.7.27) (κ°μ 2009.10.18) (κ°μ 2009.12.7) (κ°μ 2010.2.26) (κ°μ 2010.7.21) (κ°μ 2011.1.11) (κ°μ 2011.8.11) (κ°μ 2011.12.23) (κ°μ 2012.5.10) (κ°μ 2012.7.17) (κ°μ 2012.11.19) (κ°μ 2013.1.25) (κ°μ 2013.5.1) (κ°μ 2013.7.30) (κ°μ 2013.12.31) (κ°μ 2014.5.30) (κ°μ 2014.6.30) (κ°μ 2015.2.10) (κ°μ 2015.05.18) (κ°μ 2015.08.13.) (κ°μ 2015.10.16) (κ°μ 2016.1.8) (κ°μ 2016.2.3) (κ°μ 2016.3.24) (κ°μ 2016.5.9) (κ°μ 2016.8.23) (κ°μ 2016.12.29) (κ°μ 2017.2.13) (κ°μ 2017.4.19) (κ°μ 2017.7.14) (κ°μ 2018.1.31) (κ°μ 2018.5.11) (κ°μ 2018.8.12) (κ°μ 2019.01.15) (κ°μ 2019.10.2) (κ°μ 2020. . )
μ 5μ‘°(μ΄μ₯) μ΄μ₯μ κ΅λ¬΄λ₯Ό ν΅ν νκ³ λ³Έ λνκ΅λ₯Ό λννλ€.
μ 6μ‘°(λΆμ΄μ₯) β κ΅λ¬΄λΆμ΄μ₯μ μ무(ι«ε)μ μ°ννλ ₯ μ΄μΈμ κ΅λ¬΄(ζ ‘ε)μ κ΄νμ¬, μ무λΆμ΄μ₯μ μ무(ι«ε)μ κ΄νμ¬ μ°νλΆμ΄μ₯μ μ°ννλ ₯μ κ΄νμ¬ μ΄μ₯μ 보μ’νλ©°, κ° λΆμ΄μ₯μ μ΄μ₯μ΄ κ΅¬μ²΄μ μΌλ‘ μμν μ
무λ₯Ό κ΄μ₯νλ€. (κ°μ 2009.4.2) (κ°μ 2015.10.16)
β‘ μ΄μ₯μ΄ κΆμλκ±°λ κ·Έ μ§λ¬΄λ₯Ό μνν μ μλ μ¬μ μ΄ μλ κ²½μ°μλ μ΄μ¬μ₯μ΄ μ§λͺ
νλ λΆμ΄μ₯μ΄ μ΄μ₯μ μ§λ¬΄λ₯Ό λννλ€. (κ°μ 2009.4.2)
μ 7μ‘°(λνκ΅λ³ΈλΆ) β λνκ΅λ³ΈλΆμ κ΅λ¬΄μ², μ°κ΅¬μ 보μ², νμμ², μ΄λ¬΄μ², κΈ°νμ², μ
νμ², κ΅μ νλ ₯μ²λ₯Ό λλ€. (κ°μ 2015.10.16) (κ°μ 2017.4.19)
β‘ κ° μ²μ μ
무μ κ΄νμ¬λγμμ£Όλνκ΅ μ§μ κ·μ γμΌλ‘ μ νλ€.
μ 7μ‘°μ2(νμνμ΅μ€μ¬λνμΆμ§λ³ΈλΆ) β γμμ£Όλνκ΅ μ§μ κ·μ γμ 5μ‘° μ 10νμ μκ±° νΉλ³κΈ°κ΅¬λ‘ νμνμ΅μ€μ¬λνμΆμ§λ³ΈλΆλ₯Ό λλ€. (μ μ€ 2009.7.27) (κ°μ 2017.7.14)
β‘ νμνμ΅μ€μ¬λνμΆμ§λ³ΈλΆλ νμκ΅μ‘κ³Ό κ΄λ ¨ν μ λ°μ
무λ₯Ό κ΄ν νλ€. (μ μ€ 2009.7.27)
β’ νμνμ΅μ€μ¬λνμΆμ§λ³ΈλΆ μ΄μμ λν΄μλ μ΄μ₯μ΄ λ°λ‘ μ νλ€. (μ μ€ 2009.7.27)
μ 7μ‘°μ3(κΈ°κ΄μλͺ
μ€λ¦¬μμν) β γμμ£Όλνκ΅ μ§μ κ·μ γμ 5μ‘° μ 10νμ μκ±° νΉλ³κΈ°κ΅¬λ‘ κΈ°κ΄μλͺ
μ€λ¦¬μμνλ₯Ό λλ€. (μ μ€ 2013.7.30) (κ°μ 2017.7.14)
β‘ κΈ°κ΄μλͺ
μ€λ¦¬μμνλ μΈκ°λμμ°κ΅¬ λ° μΈμ²΄μ λλ¬Όμ°κ΅¬μ μ€λ¦¬μ μμ μ μ¬μνκ³ κ°λ
νλ μ
무λ₯Ό κ΄ν νλ€. (μ μ€ 2013.7.30)
β’ κΈ°κ΄μλͺ
μ€λ¦¬μμν μ΄μμ λν΄μλ μ΄μ₯μ΄ λ°λ‘ μ νλ€. (μ μ€ 2013.7.30)"""
PROMPT_QA = """μ£Όμ΄μ§ ν
μ€νΈ 컨ν
μΈ λ₯Ό μ°Έκ³ νμ¬ μ°½μμ κΈμ°κΈ° μ§μλ¬Έκ³Ό μ λ¬Έκ° μμ€μ λ΅λ³μ λ§λμΈμ, λλ΅μ μλ ννλ‘ μμ±νμΈμ
**λ΅λ³ νμ**
[[Q]] μ§μλ¬Έ
[[A]] λ΅λ³
---
{text}"""
def generate_question(text):
prompt = PROMPT_QA.format(text=text)
prompt = [{"content": prompt, "role": "user"}]
inputs = tokenizer.apply_chat_template(prompt, return_tensors="pt", add_generation_prompt=True, tokenize=False)
inputs = inputs.strip()
inputs = tokenizer.encode(inputs, add_special_tokens=False, return_tensors="pt").to(model.device)
outputs = model.generate(input_ids=inputs, max_new_tokens=256, do_sample=True, early_stopping=True, eos_token_id=128009, temperature=1.0)
question = tokenizer.decode(outputs[0, inputs.shape[1]:], skip_special_tokens=True)
return question
for _ in range(5):
question = generate_question(text)
print(question)
μμ± κ²°κ³Ό
[[Q]] νμνμ΅μ€μ¬λνμΆμ§λ³ΈλΆκ° μ΄μμ μμν μ΄μ μ κ·Έ κ³Όμ μμ λ§μ£Όν λμ κ³Ό μ₯μ μ μ€λͺ
νλ κΈμ μμ±ν΄μ£ΌμΈμ. κΈμ μ΅μ 500μ μ΄μμ΄μ΄μΌ νλ©°, 2025λ
κΉμ§μ μμ κ°λ₯μ±κ³Ό κ·Έλ‘ μΈν κΈμ μ , λΆμ μ μν₯μ ν¬ν¨ν΄μΌ ν©λλ€. λ
Όλ¦¬μ μ΄μ μ ꡬ체μ μΈ μ¬λ‘λ₯Ό μ μνμ¬ κΈμ μ€λλ ₯μ λμ΄μΈμ. λν, κΈμ ꡬ쑰λ μλ‘ , λ³Έλ‘ , κ²°λ‘ μΌλ‘ λλμ΄ μμ±νκ³ , κ° λΆλΆμμ μ€μν λ΄μ©μ λͺ
ννκ² μμ½ν΄μ£ΌμΈμ.
[[A]] νμνμ΅μ€μ¬λνμΆμ§λ³ΈλΆκ° μ΄μμ μμν μ΄μ λ μμ£Όλνκ΅μ κ΅μ‘ λ° μ°κ΅¬ νλμ μ§μμ μΌλ‘ λ°μ μν€κΈ° μν κ²μ΄μμ΅λλ€. νμνμ΅μ κ°μ‘°νλ νλ μ¬νμμ, κ΅μ‘μ λ²μλ λ¨μν νλ¬Έμ μ§μμ λμ΄μ κ°μΈμ μΆκ³Ό μ§μ
μ μλ κ°νμ λν μ§μμ μΈ μ§μμ ν¬ν¨νλ λ°©ν₯μΌλ‘ νμ₯λκ³ μμ΅λλ€. μ΄λ¬ν νλ¦ μμμ μμ£Όλνκ΅λ νμνμ΅μ κ°μ‘°νλ©°, νμλ€μκ² μ§μμ μΈ νμ΅μ μ΄μ§νκ³ μ§μ§νλ μ§μ μμ€ν
μ ꡬμΆνκ³ μ νλ μμ§λ₯Ό κ°κ² λμμ΅λλ€.
μ΄λ¬ν μΆμ§λ³ΈλΆκ° μ΄μμ μμνλ©΄μ λ§μ£Όν λμ κ³Ό μ₯μ μ λ€μνκ² μ‘΄μ¬νμ΅λλ€. λ¨Όμ , κΈ°μ‘΄μ νμ
μ€μ¬μ μΈ κ΅μ‘ λ°©μκ³Όλ λ€λ₯Έ νμνμ΅μ κ°λ
μ λμ
ν¨μΌλ‘μ¨, νμλ€μκ²λ μλ‘μ΄ νμ΅ λ°©μκ³Ό μ§μ μ΅λ λ°©λ²μ λν μ΅μν΄μ§ νμμ±μ΄ μμμ΅λλ€. νμ§λ§, μ΄λ λμμ νμλ€μ΄ λ€μν μν©μμ νμν μ§μκ³Ό μλμ ν보ν μ μλ κΈ°νλ₯Ό μ 곡νκΈ°λ νμ΅λλ€. λ°λΌμ, μ΄λ¬ν λ³νλ μ΄κΈ°μλ μ‘°κΈ μ΄λ €μμ κ²ͺμ μλ μμ§λ§, μ₯κΈ°μ μΌλ‘λ νμλ€μ νμ΅ μ΄μ κ³Ό λ₯λ ₯μ κ·Ήλνν μ μλ κΈμ μ μΈ μν₯μ λ―ΈμΉ κ²μΌλ‘ κΈ°λλ©λλ€.
2025λ
κΉμ§μ μμ κ°λ₯μ±μ λν΄μλ, μμ£Όλνκ΅μ νμνμ΅μ€μ¬λνμΆμ§λ³ΈλΆκ° μ§μμ μΌλ‘ μ±μ₯νκ³ λ°μ ν κ²μΌλ‘ κΈ°λλ©λλ€. λ―Έλμ μ¬νλ λμ± λΉ λ₯΄κ² λ³ννκ³ λ³΅μ‘ν΄μ§λ©°, μ΄λ μ§μκ³Ό μλμ μ§μμ μΌλ‘ ν보νλ λ₯λ ₯μ΄ μ€μν΄μ§λ μλκ° λ κ²μ
λλ€. λ°λΌμ, μμ£Όλνκ΅μ νμνμ΅ νλ‘κ·Έλ¨μ νμλ€μ΄ λ―Έλμ μ¬νμμ κ²½μλ ₯μ κ°μΆ μ μλλ‘ μ§μνκ³ μ§μνλ μν μ μνν κ²μΌλ‘ μμλ©λλ€.
μ΄λ¬ν νμνμ΅μ€μ¬λνμΆμ§λ³ΈλΆμ μ΄μμ κΈμ μ μν₯κ³Ό λΆμ μ μν₯μ λμμ 보μ¬μ€ κ²μΌλ‘ μμλ©λλ€. κΈμ μ μΈ μΈ‘λ©΄μΌλ‘λ νμλ€μ μ§μ μμ€μ ν₯μμν€κ³ , μ§μμ μΈ νμ΅μ μ€μμ±μ μΈμμν€λ©°, μ¬ν ꡬμ±μμΌλ‘μ μ§μμ μΈ μ±μ₯μ μ΄λμ΄μ£Όλ μν μ ν μ μμ κ²μ
λλ€. κ·Έλ¬λ λΆμ μ μΈ μΈ‘λ©΄μΌλ‘λ μμμΉ λͺ»ν λμ κ³Ό λκ΄μ λ§μ£Όνκ² λ μλ μμΌλ©°, μ΄κΈ°μλ μ μμ λν μ΄λ €μμ΄ μμ μ μμ΅λλ€. νμ§λ§, μ΄λ¬ν λΆμ μ μΈ μΈ‘λ©΄μ 극볡νκ³ μ κ·Ήμ μΌλ‘ λμ²ν¨μΌλ‘μ¨, μμ£Όλνκ΅μ νμνμ΅μ€μ¬λνμΆμ§λ³ΈλΆλ λ―Έλλ₯Ό μν μ§μμ μΈ κ΅μ‘ λ° μ°κ΅¬μ μ€μ¬ μν μ μνν κ²μΌλ‘ κΈ°λλ©λλ€. μ΄λ¬ν μ΄μ λ‘, νμνμ΅μ€μ¬λνμΆμ§λ³ΈλΆμ μ΄μμ μμ£Όλνκ΅μ νμλ€μκ² ν° λμ½μ μ 곡ν κ²μΌλ‘ κΈ°λλ©λλ€.
[[Q]] μμ£Όλνκ΅μ νλ¬Έμ μ΄λ
κ³Ό λͺ©νλ₯Ό ꡬ체μ μΌλ‘ μ€λͺ
ν ν, λνμ λ€μν κ΅μ‘κ³Ό μ°κ΅¬ νλμ μμΈν κΈ°μ νμΈμ. μ΄λ¬ν μ€λͺ
μ λ°νμΌλ‘, μμ£Όλνκ΅μ νλΆ, λνμ, μ°ννλ ₯ λ° λ€μν νλ¬Έ λΆμΌλ₯Ό ν΅ν΄ μ΄λ»κ² μ§μμ μΌλ‘ νλ¬Έμ μ±κ³Όλ₯Ό μ΄λ£¨κ³ μλμ§ μμ νμΈμ. μ΄λ¬ν νλ¬Έμ μ±κ³Όκ° μ¬νμ λ―ΈμΉλ μν₯μ ꡬ체μ μΌλ‘ λΆμνκ³ , μμΌλ‘μ νλ¬Έμ λ°μ λ°©ν₯μ μ μνμΈμ. λ§μ§λ§μΌλ‘, μ΄λ¬ν λ°©ν₯μ΄ μ¬νμ νμλ€μκ² μ΄λ€ κΈμ μ , λΆμ μ μν₯μ μ€ μ μλμ§μ λν νκ°λ ν¬ν¨ν΄μ£ΌμΈμ.
[[A]] μμ£Όλνκ΅λ λνλ―Όκ΅μ κ΅μ‘μ κ·Όλ³Έμ΄λ
μ λ°νμΌλ‘ μΈκ°μ‘΄μ€, μ€μ¬κ΅¬μ, μΈκ³μΌκ°μ μ μ μ μ€μ²νμ¬ κ΅κ° λ° μΈλ₯μ¬νμ λ°μ μ κΈ°μ¬νκ³ μ νλ€. μ΄λ₯Ό μν΄ λνμ μ λ₯ν μΈμ¬λ₯Ό μμ±νκ³ , νλ¬Έμ μ΄λ‘ κ³Ό μμ© λ°©λ²μ μ°κ΅¬νλ©°, κ΅μ‘ λ° μ°κ΅¬μ λ₯λ ₯κ³Ό μμ€μ ν΅ν΄ μ¬νμ λ΄μ¬νλ€.
μμ£Όλνκ΅λ νλΆ, λνμ, μ°ννλ ₯, λ€μν νλ¬Έ λΆμΌλ₯Ό ν΅ν΄ μ§μμ μΌλ‘ νλ¬Έμ μ±κ³Όλ₯Ό μ΄λ€λ΄κ³ μλ€. νλΆμμλ λ€μν νλ¬Έ λΆμΌμμ νμλ€μκ² μ΄λ‘ κ³Ό μ€λ¬΄λ₯Ό κ²°ν©μμΌ μ°½μμ μ¬κ³ μ μ λ¬Έ μ§μμ κ°μΆλλ‘ νλ κ΅μ‘μ μ 곡νκ³ μλ€. λνμμ μμ¬κ³Όμ μ ν΅ν΄ μμ¬νμλ₯Ό, λ°μ¬κ³Όμ μ ν΅ν΄ λ°μ¬νμλ₯Ό, μγλ°μ¬ν΅ν©κ³Όμ μ ν΅ν΄ νμ¬κ³Όμ κ³Ό λ°μ¬κ³Όμ μ ν΅ν©νλ νμνμλ₯Ό μ 곡νμ¬ νμλ€μκ² λμ μμ€μ νλ¬Έμ μ±μ·¨λ₯Ό λλͺ¨νκ³ μλ€.
λν μ°ννλ ₯κ³Ό νλ¬Έ λΆμΌμ λ€μμ±μ ν΅ν΄ λ€μν μ°κ΅¬λ₯Ό μΆμ§νκ³ μλ€. μ°ννλ ₯μ νλ¬Έμ μ°κ΅¬μ μ°μ
체μ κΈ°μ μ λ°μ μ μ°κ²°μ§μ΄ νμ μ μΈ μ°κ΅¬λ₯Ό μ΄μ§νκ³ , λνμ μ°κ΅¬ μ±κ³Όλ₯Ό μ€μ©ννμ¬ μ¬νμ κ°μΉλ₯Ό μ λ¬νλ μν μ μννκ³ μλ€. νλ¬Έ λΆμΌλ μΈλ¬Έν, μμ°κ³Όν, μ¬νκ³Όν, 곡ν, λ²ν λ± λ€μν λΆμΌλ‘ λ€μν νλ¬Έμ μ±κ³Όλ₯Ό μ΄λ£¨μ΄λ΄κ³ μμΌλ©°, μ΄λ₯Ό ν΅ν΄ μ¬νλ¬Έμ μ λν μ¬λ μλ μ°κ΅¬μ ν΄κ²°μ±
μ λͺ¨μνκ³ μλ€.
μ΄λ¬ν νλ¬Έμ μ±κ³Όλ μ¬νμ κΈμ μ μΈ μν₯μ λ―ΈμΉκ³ μμΌλ©°, μ§μμ μΈ νλ¬Έμ λ°μ μ ν΅ν΄ νμλ€μ΄ μ§μκ³Ό κΈ°μ μ μ΅λνκ³ μ΄λ₯Ό μ€μ μ¬ν λ¬Έμ μ μ μ©ν μ μλ λ₯λ ₯μ κ°μΆλλ‘ μ§μνκ³ μλ€. κ·Έλ¬λ νλ¬Έμ λ°μ μ΄ μ§λμΉκ² μ§μ€λλ©΄ μ€μ©μ±μ λΉν΄ μ΄λ‘ μ μΈ‘λ©΄μ΄ λΆμ‘±ν΄μ§ μ μμΌλ©°, μ΄λ₯Ό ν΄κ²°νκΈ° μν΄ μ€μ©μ μ°κ΅¬μ μ΄λ‘ μ μ°κ΅¬κ° κ· νμ μ΄λ£° νμκ° μλ€.
μμΌλ‘μ νλ¬Έμ λ°μ λ°©ν₯μ μ¬ν λ¬Έμ μ λν μ¬λ μλ μ°κ΅¬μ μ€μ©μ μμ©μ κ°ννλ κ²μ΄ μ€μνλ€. λν λ€μμ±κ³Ό ν¬μ©μ±μ κ³ λ €ν κ΅μ‘κ³Ό μ°κ΅¬λ₯Ό ν΅ν΄ μΈμ¬ μμ±κ³Ό μ§μ 곡μ λ₯Ό κ°ννλ κ²μ΄ νμνλ€. μ΄λ¬ν λ°©ν₯μ΄ μ·¨ν΄μ§λ©΄, νλ¬Έμ λ°μ μ μ¬νμ κΈμ μ μΈ μν₯μ λ―ΈμΉκ² λλ©°, νμλ€μ λ―Έλ μ¬νμμ νμν μ§μκ³Ό λ₯λ ₯μ κ°μΆμ΄ μν΅κ³Ό νλ ₯μ ν΅ν΄ μ§μμ μΈ μ±μ₯μ μ΄λ£° μ μμ κ²μΌλ‘ κΈ°λλλ€.
[[Q]] λνμ μ‘°μ§κ³Ό κ΄λ ¨λ λ΄μ©μ λ°νμΌλ‘, λνμ μ‘°μ§μ΄ λ―Έλλ₯Ό μν νμ μ μν μ‘°μ§ κ°νΈμ μ€μνλ€κ³ κ°μ ν΄ λ³΄μΈμ. λνμ μ‘°μ§ κ΅¬μ‘°κ° μ΄λ»κ² λ³νν μ§, μλ‘μ΄ μν κ³Ό μ±
μμ΄ λΆμ°λκ±°λ μ§μ€λ μ§, κ·Έλ¦¬κ³ μ΄λ¬ν λ³νκ° λνμ νλ¬Έμ μ°κ΅¬, κ΅μ‘ νλ‘κ·Έλ¨, μ°ν νλ ₯ λ° κ΅μ νλ ₯ λ±μ λ―ΈμΉ μν₯μ λΆμν΄ μ£ΌμΈμ. λ¨, λ΅λ³μ 500μ μ΄λ΄λ‘ μ ννκ³ , ꡬ체μ μΈ μμλ μ¬λ‘λ₯Ό 2κ° μ΄μ ν¬ν¨ν΄ μ£ΌμΈμ. λν, κ°κ°μ μμλ μ΅μ 50μ μ΄μμΌλ‘ μμ±ν΄ μ£ΌμΈμ.
[[A]] λνμ μ‘°μ§μ΄ νμ μ μν μ‘°μ§ κ°νΈμ μ€μνλ€λ©΄, κΈ°μ‘΄μ μ‘°μ§ κ΅¬μ‘°λ νκΈ°μ μΈ λ³νκ° μμ κ²μΌλ‘ μμλλ€. κΈ°μ‘΄μ κ³Όλͺ©λ³ νκ³Ό ꡬ쑰μμ λ²μ΄λ, λμ§νΈ νμ κ³Ό νμ
μ μ΄μ§νκΈ° μν΄ νλ‘μ νΈ μ€μ¬μ ν κΈ°λ° μ‘°μ§μΌλ‘ μ νλ μ μλ€. μλ₯Ό λ€μ΄, μΈκ³΅μ§λ₯, λΉ
λ°μ΄ν°, λΈλ‘체μΈκ³Ό κ°μ μ΅ν© κΈ°μ μ μ°κ΅¬νλ νκ³Όκ° μλ‘κ² μΆκ°λ μ μκ³ , μ΄λ₯Ό μν΄ μΈμ¬λ₯Ό μ€μ¬μΌλ‘ ν λ€λͺ©μ νμ΄ κ΅¬μ±λ μ μλ€. λν, μ°ν νλ ₯μ κ°ννκ³ κ΅μ νλ ₯μ μ¦μ§νκΈ° μν΄ μ°ννλ ₯ λ° κ΅μ κ΅λ₯λΆκ° λ
립λ μ‘°μ§μΌλ‘ λΆλ¦¬λ μ μλ€. μ΄λ¬ν λ³νλ νλ¬Έμ μ°κ΅¬μ μμ΄μλ νμ μ μ΄λμ΄λ΄κ³ , κ΅μ‘ νλ‘κ·Έλ¨μ νμ
κ³Ό μ°½μμ μΈ μ¬κ³ λ₯Ό μ€μνλ©°, μ°ν νλ ₯κ³Ό κ΅μ νλ ₯μ ν΅ν΄ μ€μ§μ μΈ κ°μΉλ₯Ό μ°½μΆν κ²μΌλ‘ μμλλ€.
[[Q]] μμ£Όλνκ΅μ νμΉμ λΆμνκ³ , μ΄λ₯Ό κΈ°λ°μΌλ‘ 2025λ
μ λ―Έλλ₯Ό μμν΄λ³΄μΈμ. 2025λ
μ μμ£Όλνκ΅κ° μλ‘μ΄ κ΅μ‘ λͺ¨λΈ, μ²¨λ¨ κΈ°μ μ λμ
ν νλ¬Έμ νꡬ, κ·Έλ¦¬κ³ μΈκ³μ μν₯λ ₯μ ꡬμΆν μμλ ₯μ λ΄μ κΈμ μμ±ν΄μ£ΌμΈμ. κΈμ 300μ μ΄λ΄λ‘ κ°κ²°νκ³ λͺ
νν λ¬Έμ₯μΌλ‘ ꡬμ±νκ³ , νμ¬μ νλ¬Έμ μ°κ΅¬μ κ΅μ‘ λ°©μμ λ³νλ₯Ό λͺ
μν΄μ£ΌμΈμ. λν, νμλ€μ μ§μκ³Ό κ²½νμ μ΄λ»κ² λ³΄λ€ μ°½μμ μ΄κ³ μ€μ©μ μΈ λ°©μμΌλ‘ μ 곡ν μ§μ λν ꡬ체μ μΈ μμλ₯Ό ν¬ν¨ν΄μ£ΌμΈμ.
[[A]] 2025λ
, μμ£Όλνκ΅λ νμ μ μΈ κ΅μ‘ λͺ¨λΈμ λμ
νμ¬ νμλ€μ μ°½μμ±κ³Ό μ€μ©μ±μ λμ΄κΈ°λ‘ λ€μ§ν©λλ€. κ°μνμ€κ³Ό μΈκ³΅μ§λ₯μ νμ©ν λ§μΆ€ν νμ΅ μμ€ν
μ΄ λμ
λμ΄ νμλ€μ λ³΄λ€ λ ν₯λ―Έλ‘μ΄ νλ¬Έμ νꡬλ₯Ό κ²½νν μ μμ κ²μ
λλ€. λν, νμ
κ³Ό μ°½μμ μ¬κ³ λ₯Ό κ°μ‘°νλ κ΅μ‘ λ°©μμ΄ λμ
λμ΄ νμλ€μ ν νλ‘μ νΈμ νμ₯ μ€μ΅μ ν΅ν΄ μ€μ μ°μ
νμ₯μμμ κ²½νμ μμ μ μμ κ²μ
λλ€. μ΄λ¬ν λ
Έλ ₯μ ν΅ν΄ νμλ€μ μΈκ³μ μΈ μν₯λ ₯μ ν보νλ©° λ―Έλ μ¬νμ μ ν©ν μ§μκ³Ό κ²½νμ μ΅λν μ μμ κ²μ
λλ€.
[[Q]] λνκ΅μμ λ€μν νλΆμ λνμκ³Όμ μ μ΄μνλ κ³Όμ μμ νλΆμ, μμ¬μ, λ°μ¬μ λ± λ€μν νμ μ§μλ₯Ό κ°μ§ νμλ€μ΄ ν¨κ» μΌμμνμ νλ©° μνΈμμ©νλ μν©μ μμν΄λ΄
μλ€. λ¨Όμ , μ΄λ€μ΄ κ°κΈ° λ€λ₯Έ νλ¬Έμ λ°°κ²½κ³Ό μ±κ²©, κ²½νμ κ°μ§κ³ μμ λ λ°μν μ μλ μ£Όμν κ°λ±μ΄λ μν΅μ μ₯λ²½μ ꡬ체μ μΌλ‘ μκ°ν΄μ£ΌμΈμ. κ·Έ λ€μ, μ΄λ€μ΄ μλ‘μ μ°¨μ΄λ₯Ό μ‘΄μ€νλ©° μ‘°νλ‘κ² νλ ₯ν μ μλ λ°©μμ μ μν΄μ£ΌμΈμ. μ΅μ 150μ μ΄μμ λ΅λ³μΌλ‘ μμ±νκ³ , μ€μ μμλ₯Ό ν΅ν΄ μ€λͺ
ν΄μ£ΌμΈμ.
[[A]] νλΆμ, μμ¬μ, λ°μ¬μμ΄ ν¨κ» μΌμμνμ νλ©° μνΈμμ©νλ κ³Όμ μμ λ°μν μ μλ κ°λ±κ³Ό μ₯λ²½μ λ€μν μ μμ΅λλ€. μλ₯Ό λ€μ΄, νλΆμμ μ΄λ‘ μ μ§μμ΄ λΆμ‘±ν μ μκ³ , μ€λ¬΄ κ²½νμ μμκ°λ λ¨κ³μ μλ λ°λ©΄, μμ¬μκ³Ό λ°μ¬μμ μ΄λ―Έ μ λ¬Έκ°λ‘ μ리맀κΉν μνμ΄κΈ° λλ¬Έμ μ΄λ‘ μ ν λ‘ μ΄λ μ°κ΅¬μ λν μ΄ν΄κ° λ κΉμ μ μμ΅λλ€. μ΄λ¬ν μ±κ²©μ , νλ¬Έμ μ°¨μ΄λ‘ μΈν΄ μν΅μ΄ μ΄λ €μΈ μ μκ³ , μ 보 곡μ λ μ‘°νλ‘μ΄ νλ ₯μ΄ μ΄λ ΅κ² λ μ μμ΅λλ€.
μ΄λ¬ν κ°λ±μ ν΄κ²°νκΈ° μν΄μλ μλ‘μ μ°¨μ΄λ₯Ό μ‘΄μ€νκ³ μ΄ν΄νλ κ²μ΄ μ€μν©λλ€. μλ₯Ό λ€μ΄, νλΆμμ΄ μ΄λ‘ μ μ§μμ΄ λΆμ‘±νλ€λ κ²μ μμμ λ, μμ¬μμ΄λ λ°μ¬μμ΄ κ·Έμ λν μ€λͺ
μ μ 곡νκ³ , νλΆμμ΄ μμ μ κ²½νκ³Ό μμΌλ₯Ό μ μν μ μλλ‘ μ λνλ κ²μ΄ νμν©λλ€. λν, λ€μν λ°°κ²½μ κ°μ§ μ¬λλ€μ΄ ν¨κ» νλ ₯νκ³ μνΈλ³΄μμ μΌλ‘ μ±μ₯ν μ μλλ‘ μλ‘μ κ°μ μ μΈμ νκ³ μ§μ§νλ λ¬Ένλ₯Ό μ‘°μ±νλ κ²μ΄ μ€μν©λλ€. μ΄λ₯Ό ν΅ν΄ λ€μν νμ μ§μλ₯Ό κ°μ§ νμλ€μ΄ μλ‘μ μ°¨μ΄λ₯Ό μ‘΄μ€νλ©° μ‘°νλ‘κ² νλ ₯ν μ μλ νκ²½μ λ§λ€μ΄ λκ° μ μμ΅λλ€.
Model
- Developed by: iknow-lab
- License: apache-2.0
- Finetuned from model : MLP-KTLim/llama-3-Korean-Bllossom-8B
This llama model was trained 2x faster with Unsloth and Huggingface's TRL library.
- Downloads last month
- 2
Model tree for iknow-lab/0725-ko-genstruct-v0.2-creative-writing
Base model
meta-llama/Meta-Llama-3-8B
Finetuned
MLP-KTLim/llama-3-Korean-Bllossom-8B