0725-ko-genstruct-v0.2-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-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¬ κ³ λμ΄λ 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]] νκ΅μ λν κ΅μ‘ μμ€ν
μ΄ λ€μν νμκ³Όμ κ³Ό κΈ°κ΄μ ν¬ν¨νλ λ°©μμΌλ‘ ꡬμ±λμ΄ μμ΅λλ€. μ΄μ λ°λΌ λ€μν νμκ³Όμ μ΄ μ‘΄μ¬νλ©°, λνμκ³Όμ κ³Ό νμ¬κ³Όμ , μμ¬κ³Όμ , λ°μ¬κ³Όμ , μγλ°μ¬ν΅ν©κ³Όμ , νμ°μ°νλκ³Όμ , νγμμ¬μ°κ³κ³Όμ , μ λ¬Έκ³Όμ λ±μ΄ ν¬ν¨λμ΄ μμ΅λλ€. μ΄λ¬ν λ€μν νμκ³Όμ κ³Ό κΈ°κ΄μ΄ μ‘΄μ¬νλ μ΄μ μ λν΄ λ¨κ³μ μΌλ‘ μ€λͺ
ν΄ λ³΄μΈμ. λ¨Όμ , κ° νμκ³Όμ κ³Ό κΈ°κ΄μ μ£Όμ λͺ©μ μ μ€λͺ
ν ν, μ΄λ€μ΄ μ‘΄μ¬νλ λ°°κ²½κ³Ό νμμ±μ λν΄ λ
ΌμνμΈμ. κ° κ³Όμ κ³Ό κΈ°κ΄μ΄ μ΄λ»κ² μνΈ λ³΄μμ μ΄κ³ 보κ°μ μν μ μννλμ§ κ΅¬μ²΄μ μΌλ‘ μμ νμΈμ. λ§μ§λ§μΌλ‘, μ΄λ¬ν νμκ³Όμ κ³Ό κΈ°κ΄μ΄ νμλ€μ νμ΅ κ²½νκ³Ό λνμ λͺ©νμ μ΄λ»κ² κΈ°μ¬νλμ§ νκ°ν΄ μ£ΌμΈμ.
[[A]] νμκ³Όμ κ³Ό λν κΈ°κ΄μ λν κ΅μ‘ μμ€ν
μ μ€μν κ΅¬μ± μμλ‘μ λ€μν νμκ³Όμ κ³Ό κΈ°κ΄μ΄ μ‘΄μ¬νλ μ΄μ λ₯Ό μ΄ν΄λ³΄κ² μ΅λλ€.
λ¨Όμ , νμκ³Όμ μ νμ¬, μμ¬, λ°μ¬κ³Όμ μ ν¬ν¨ν λνμκ³Όμ , μγλ°μ¬ν΅ν©κ³Όμ , μ λ¬Έκ³Όμ λ±μ΄ μ‘΄μ¬ν©λλ€. νμκ³Όμ μ νμ
λ° μ°κ΅¬μ νμν κ΅μ‘κ³Όμ μ ν΅ν΄ νμ¬νμ, μμ¬νμ, λ°μ¬νμλ₯Ό μ·¨λν μ μλ κΈ°νλ₯Ό μ 곡ν©λλ€. κ° νμκ³Όμ μ ν΄λΉ λΆμΌμμ μ λ¬Έμ§μμ μ΅λνκ³ νλ¬Έμ μλμ κ°μΆκΈ° μν μ€μν μν μ ν©λλ€. μ΄λ€μ λνμ κ΅μ‘μ μ€μν λΆλΆμ΄λ©°, νμλ€μ΄ νλ¬Έμ μ
μ μ μ΄λ£° μ μλλ‘ λμμ€λλ€.
μ΄μ ν¨κ», λνμ νμ°μ°νλκ³Όμ , νγμμ¬μ°κ³κ³Όμ , νμ°μ°νλκ³Όμ , νγμμ¬μ°κ³κ³Όμ , μ λ¬Έκ³Όμ λ± λ€μν κΈ°κ΄μ μ΄μνκ³ μμ΅λλ€. μ΄λ¬ν λν κΈ°κ΄μ λνμ κ΅μ‘ λ° μ°κ΅¬ λͺ©νλ₯Ό μ§μνκ³ , λ€μν κ΅μ‘κ³Όμ μ μ΄μν¨μΌλ‘μ¨ νμλ€μ νμ΅ κ²½νμ 보μνκ³ νλ¬Έμ μ±μ₯μ μ§μν©λλ€. λνμκ³Όμ κ³Ό νμ¬κ³Όμ , μμ¬κ³Όμ , λ°μ¬κ³Όμ , μγλ°μ¬ν΅ν©κ³Όμ , μ λ¬Έκ³Όμ λ±μ μνΈ λ³΄μμ μ΄κ³ 보κ°μ μΈ μν μ μννμ¬ νμλ€μ΄ λ€μν κ΅μ‘ κ²½νμ μ 곡νκ³ νλ¬Έμ μλμ κ°νν μ μλλ‘ μ§μν©λλ€.
μ΄λ¬ν νμκ³Όμ κ³Ό λν κΈ°κ΄λ€μ΄ μ‘΄μ¬νλ λ°°κ²½μ νμλ€μ νμ΅ κ²½νμ ν₯μμν€κ³ , λνμ κ΅μ‘ λ° μ°κ΅¬ λͺ©νλ₯Ό λ¬μ±νκΈ° μν¨μ
λλ€. νμλ€μ λ€μν νμκ³Όμ κ³Ό κΈ°κ΄μ ν΅ν΄ νλ¬Έμ μ§μμ μ΅λνκ³ μ λ¬Έκ°λ‘μμ μλμ ν€μ°λ©°, λνμ νμλ€μ νμ΅μ μ§μνκ³ νλ¬Έμ λ°μ μ μ΄μ§νλ μν μ μνν©λλ€. λ°λΌμ, νμκ³Όμ κ³Ό λν κΈ°κ΄μ νμλ€μ νμ΅ κ²½νκ³Ό λνμ λͺ©νμ μ€μν κΈ°μ¬λ₯Ό νκ³ μμ΅λλ€. κ° νμκ³Όμ κ³Ό κΈ°κ΄μ μνΈ λ³΄μμ μ΄κ³ 보κ°μ μΌλ‘ μμ©νμ¬ λν κ΅μ‘ μμ€ν
μ νλΆνκ³ ν¨κ³Όμ μΌλ‘ μ΄μνκ³ μμ΅λλ€.
[[Q]] μμ£Όλνκ΅μ λνμκ³Ό κ΄λ ¨λ μ‘°νμ ν¬ν¨ν νμΉμ λΆμνκ³ , λνμκ³Ό κ΄λ ¨λ λ€μν νμ λ° νλ¬Έμ κ²½ν₯μ ꡬ체μ μΌλ‘ μ€λͺ
νμΈμ. λνμ κ³Όμ μμ μ 곡λλ μ°κ΅¬ μ격, νλ¬Έμ μ±μ·¨λ, κ·Έλ¦¬κ³ μ°κ΅¬ μνκ³κ° νμλ€μ μ°κ΅¬ λ₯λ ₯ ν₯μμ λ―ΈμΉλ μν₯μ λν΄ νκ°ν΄ μ£ΌμΈμ. λν, λνμ νμκ° νμλ€μ΄ ν₯ν νλ¬Έμ λ° μ§μ
μ μ±κ³Όμ μ΄λ»κ² κΈ°μ¬ν μ μλμ§μ λν μμμ μμΈν μμ±νμΈμ. λ§μ§λ§μΌλ‘, λνμ κ΅μ‘μ΄ νλ¬Έμ μ λ¬Έμ±κ³Ό μ§μ νμ±μ λ―ΈμΉλ μν₯μ λ
Όμν΄ μ£ΌμΈμ.
[[A]] μμ£Όλνκ΅μ λνμμ λ€μν νμ μ νλ¬Έμ κ²½ν₯μ κ°μ§ λ€μν νλ‘κ·Έλ¨μ μ 곡νκ³ μμ΅λλ€. μ΄ λνμμμ μ 곡λλ νμ¬, μμ¬, λ°μ¬ νμλ νμλ€μκ² μ°κ΅¬ μ격μ λΆμ¬νκ³ νλ¬Έμ μ±μ·¨λ₯Ό μΈμ λ°λ κΈ°νλ₯Ό μ 곡ν©λλ€. λν, λνμ κ³Όμ μ νμλ€μκ² νλ¬Έμ μλμ ν₯μμν€κ³ μ°κ΅¬ λ₯λ ₯μ κΈ°λ₯Ό μ μλ νκ²½μ μ 곡νμ¬ νμλ€μ΄ νλ¬Έμ μ λ¬Έμ±μ ν€μ°λλ° ν° λμμ΄ λ©λλ€.
λνμ κ³Όμ μμ μ 곡λλ μ°κ΅¬ μ격μ νμλ€μκ² νλ¬Έμ μ±μ·¨λ₯Ό μΈμ λ°μ μ μλ κΈ°νλ₯Ό μ 곡ν©λλ€. νμλ€μ μμ λ§μ μ°κ΅¬ μ£Όμ λ₯Ό μ μ νκ³ μ΄λ₯Ό ν΅ν΄ νλ¬Έμ μ±κ³Όλ₯Ό μ΄λ£¨μ΄λ΄λ©° νμ νλμ μν΄ λ
Έλ ₯ν©λλ€. μ΄ κ³Όμ μμ νμλ€μ κ΅μμ§μ μ§λλ₯Ό λ°κ³ μ°κ΅¬λ₯Ό μ§ννλ©°, νλ¬Έμ μΈ ν λ‘ κ³Ό λΉνμ ν΅ν΄ μμ μ μ°κ΅¬μ λν μ¬νλ μ΄ν΄λ₯Ό μμ μ μμ΅λλ€.
λν, λνμ μ°κ΅¬ μνκ³λ νμλ€μ μ°κ΅¬ λ₯λ ₯ ν₯μμ ν° μν₯μ λ―ΈμΉ©λλ€. νμλ€μ λ€μν μ°κ΅¬ νλμ κ²½ννλ©° μ°κ΅¬ λ°©λ²λ‘ μ μ΅λνκ³ , μ°κ΅¬λ₯Ό ν΅ν΄ νλ¬Έμ μλμ ν₯μμν¬ μ μμ΅λλ€. λν, νλ¬Έμ λ
Όμκ³Ό ν λ‘ μ ν΅ν΄ λ€μν κ΄μ μ μμ©νκ³ λΆμνλ λ₯λ ₯μ ν€μ°λ©°, νλ¬Έμ μ λ¬Έμ±μ ꡬμΆν μ μμ΅λλ€.
λνμ νμκ° νμλ€μ΄ ν₯ν νλ¬Έμ λ° μ§μ
μ μ±κ³Όμ λ―ΈμΉλ μν₯μ λ§€μ° ν½λλ€. λνμ νμλ νμλ€μκ² νλ¬Έμ μ λ¬Έμ±κ³Ό νλ¬Έμ μμ§μ μΈμ λ°λ μ격μ λΆμ¬νλ©°, μ΄λ₯Ό ν΅ν΄ νμλ€μ λ―Έλμ νλ¬Έμ κ²½μλ ₯κ³Ό μ§μ
μ μ μ¬λ ₯μ ν보ν μ μμ΅λλ€. λν, λνμ μ‘Έμ
μμ νλ¬Έμ μ λ¬Έμ±κ³Ό μ°κ΅¬ λ₯λ ₯μ λ°νμΌλ‘ νλ¬Έ λΆμΌμμ κ²½μ μ°μλ₯Ό ν보ν μ μμ΅λλ€.
λ§μ§λ§μΌλ‘, λνμ κ΅μ‘μ΄ νλ¬Έμ μ λ¬Έμ±κ³Ό μ§μ νμ±μ λ―ΈμΉλ μν₯μ λ§€μ° μ€μν©λλ€. λνμμ νμλ€μκ² νλ¬Έμ λ°©λ²λ‘ κ³Ό μ΄λ‘ μ κΉμ΄ μκ² μ΄ν΄νκ³ μ°κ΅¬ν μ μλ νκ²½μ μ 곡νμ¬ νμλ€μ΄ νλ¬Έμ μ λ¬Έμ±μ ν€μ°λλ° ν° λμμ μ€λλ€. λν, λνμ κ΅μ‘μ ν΅ν΄ νμλ€μ μλ‘μ΄ μ§μμ μ΅λνκ³ μ§μ νμ±μ κΈ°μ¬νλ©°, νλ¬Έμ λ°μ μ μ΄λ°μ§ν μ μμ΅λλ€. λ°λΌμ, λνμ κ΅μ‘μ νμλ€μ νλ¬Έμ μ±μ₯κ³Ό νλ¬Έμ μ λ¬Έμ±μ λμ΄λ λ° μ€μν μν μ νλ€.
[[Q]] λν ꡬμ±μλ€μ΄ μννλ μ£Όμ μν κ³Ό μ±
μμ λν΄ κ° κ΅¬μ±μμ΄ μμ μ μ§λ¬΄ μνμ μν΄ μ΄λ€ μ λ΅μ μ¬μ©ν μ μλμ§ κ΅¬μ²΄μ μΌλ‘ μ€λͺ
νμμμ€. λν, κ° κ΅¬μ±μμ΄ νλ ₯νκΈ° μν΄ νμν μ μ°¨μ λ°©λ²μ λ¨κ³λ³λ‘ μμ νκ³ , μ΄μ λ°λ₯Έ νλ ₯ λ°©μμ μ μνμμμ€. λ¨, 300μ μ΄λ΄λ‘ μμ±νλ©°, κ° λ¨κ³μ λν ꡬ체μ μΈ μμλ₯Ό ν¬ν¨ν΄μΌ ν©λλ€. λ§μ§λ§μΌλ‘, λνμ μ λ°μ μΈ λͺ©νλ₯Ό λ¬μ±νκΈ° μν νμν¬μ μ€μμ±μ κ°μ‘°νμμμ€.
[[A]] λν ꡬμ±μλ€μ μ΄μ₯, λΆμ΄μ₯, κ° λν, λνμ, μ λ¬Έλνμ, νΉμλνμ, λνκ΅λ³ΈλΆ, λΆμκΈ°κ΄, μ°κ΅¬κΈ°κ΄, μ§μκΈ°κ΄, μ°ννλ ₯λ¨, μλ£μ λ±μ΄ μλ€. κ° κ΅¬μ±μμ μμ μ μν κ³Ό μ±
μμ μννκΈ° μν΄ λ€μν μ λ΅μ μ¬μ©ν μ μλ€. μλ₯Ό λ€μ΄, μ΄μ₯μ λνμ λͺ©νλ₯Ό λ¬μ±νκΈ° μν΄ κ΅λ¬΄λΆμ΄μ₯μ ν΅νμ¬ μ‘°μ§μ μ΄λκ³ , κ° λΆμ΄μ₯μ μ°νλΆμ΄μ₯μ ν΅ν΄ νλ ₯νμ¬ μ
무λ₯Ό μ‘°μ νλ€. λνμκ³Ό μ λ¬Έλνμ, νΉμλνμμ νμ¬, μμ¬, λ°μ¬ νμλ₯Ό ν΅ν΄ μ°κ΅¬ λ° κ΅μ‘μ μννλ©°, λνκ΅λ³ΈλΆλ λ€μν λΆμ²λ₯Ό μ΄μνμ¬ νμ¬κ³Όμ , μμ¬κ³Όμ , λ°μ¬κ³Όμ λ±μ μ§μνλ€. μ΄λ€μ κ°κΈ° λ€λ₯Έ μν κ³Ό μ±
μμ μννλ©΄μ νλ ₯νμ¬ λνμ λͺ©νλ₯Ό λ¬μ±ν μ μλ€. μ΄λ₯Ό μν΄ κ΅¬μ±μλ€μ μ
무 λΆλ΄μ λͺ
νν νκ³ , μ κΈ°μ μΈ νμ λ° μμ¬ μν΅μ ν΅ν΄ μ 보 곡μ λ° λ¬Έμ ν΄κ²°μ μ£Όμν΄μΌ νλ€. νμν¬λ₯Ό ν΅ν΄ μλ‘μ μλμ μ΅λν λ°ννκ³ νλ ₯νμ¬ λνμ λ°μ μ μ΄λμ΄ λκ°μΌ νλ€.
[[Q]] λ³Έ λνκ΅μ μ‘°μ§ κ΅¬μ‘°λ₯Ό κ·μ νλ μ 2μ₯μ λ΄μ©μ λ°νμΌλ‘, λνμ κΈ°κ΄κ³Ό μ§μ λ₯Ό μμΈν μ€λͺ
νμΈμ. κ° κΈ°κ΄κ³Ό μ§μ μ μν λ° κΈ°λ₯μ ꡬ체μ μΌλ‘ κΈ°μ νκ³ , μ£Όμ μ
무μ μ±
μμ ν¬ν¨νμ¬ μ€λͺ
ν΄μ£ΌμΈμ. λ΅λ³μ μ΅μ 300μ μ΄μμΌλ‘ μμ±ν΄ μ£ΌμΈμ. λν, μ΄μ₯κ³Ό λΆμ΄μ₯μ μν μ΄ μ΄λ»κ² μνΈ λ³΄μμ μΌλ‘ μμ©νλμ§μ λν μ€λͺ
λ ν¬ν¨ν΄ μ£ΌμΈμ. μ΅μ’
μ μΌλ‘, κ° κΈ°κ΄μ μν μ λΉκ΅νκ³ λμ‘°νλ μκ°λ μΆκ°ν΄ μ£ΌμΈμ.
[[A]] λ³Έ λνκ΅μ μ‘°μ§ κ΅¬μ‘°λ μ 2μ₯μ λ°λΌ 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±μΌλ‘ ꡬμ±λμ΄ μλ€. μ΄μ₯μ κ΅λ¬΄λ₯Ό ν΅ν νκ³ λ³Έ λνκ΅λ₯Ό λννλ©°, κ΅λ¬΄λΆμ΄μ₯μ μ무λΆμ΄μ₯μ μ΄μ₯μ 보μ’νλ μν μ λ΄λΉνλ€. λν, λνκ΅λ³ΈλΆμλ κ΅λ¬΄μ², μ°κ΅¬μ 보μ², νμμ², μ΄λ¬΄μ², κΈ°νμ², μ
νμ², κ΅μ νλ ₯μ² λ±μ΄ μμΌλ©°, κ° μ²μ μ
무λγμμ£Όλνκ΅ μ§μ κ·μ γμ λ°λΌ μ ν΄μ Έ μλ€.
μ΄μ₯κ³Ό λΆμ΄μ₯μ μνΈ λ³΄μμ μΈ μν μ μννλ©°, μ΄μ₯μ κ΅λ¬΄λ₯Ό ν΅ν νκ³ λνμλ‘μμ μν μ λ§‘κ³ , λΆμ΄μ₯μ μ΄μ₯μ μ§μλ₯Ό λ°μ κ°μμ λΆμ²μμ 맑μ μ
무λ₯Ό μννλ€. μ΄μ₯μ΄ κΆμλκ±°λ μ§λ¬΄λ₯Ό μνν μ μλ κ²½μ°μλ λΆμ΄μ₯μ λνμ΄ μ΄λ£¨μ΄μ§λ©°, μ΄λ€μ μ§μνλ μ΄μ₯μ§μ기ꡬλ λΆμ΄μ₯μ§μκΈ°κ΅¬κ° μ‘΄μ¬νλ€.
κ° κΈ°κ΄μ μν μ λΉκ΅νκ³ λμ‘°νλ©΄, κ΅λ¬΄λΆμ΄μ₯μ μ무μ μ°ννλ ₯ μ
무λ₯Ό λ΄λΉνλ λ°λ©΄μ μ무λΆμ΄μ₯μ μ무 μ
무λ₯Ό, μ°νλΆμ΄μ₯μ μ°ννλ ₯ μ
무λ₯Ό μ΄μ₯μκ² λ³΄μ’νλ κ²μΌλ‘ νμΈλλ€. λν, λνκ΅λ³ΈλΆλ κ΅λ¬΄, μ°κ΅¬μ 보, νμ, μ΄λ¬΄, κΈ°ν, μ
ν, κ΅μ νλ ₯ λ±μ λ€μν μ
무λ₯Ό μννλ€.
μ΄λ₯Ό ν΅ν΄ λ³Έ λνκ΅λ λ€μν λΆμ²κ° νλ ₯νμ¬ μ΄μ₯ λ° λΆμ΄μ₯μ ν΅ν΄ ν¨μ¨μ μΌλ‘ μ‘°μ§μ μ΄μνλ©°, κ° κΈ°κ΄μ μν μ λͺ
ννκ² μ ν΄ λμμΌλ‘μ¨ μνν μ
무 μνμ΄ μ΄λ€μ§κ³ μλ€. λν, μ΄μ₯κ³Ό λΆμ΄μ₯μ μνΈ λ³΄μμ μΈ μν μ ν΅ν΄ μ‘°μ§μ μνν μ΄μμ΄ μ΄λ£¨μ΄μ§κ³ μμΌλ©°, κ° κΈ°κ΄μ μν μ λΉκ΅ λ° λμ‘°ν¨μΌλ‘μ¨ μ‘°μ§μ ν¨μ¨μ±μ λμ΄κ³ μλ κ²μ νμΈν μ μλ€.
[[Q]] μ£Όμ΄μ§ κΈμ λ°νμΌλ‘ μμ£Όλνκ΅μ μ‘°μ§ λ° κΈ°κ΄μ λν ꡬ체μ μΈ μ€λͺ
μ μμ½νμΈμ. μ€λͺ
μ 300μ μ΄λ΄λ‘ μμ½ν΄ μ£ΌμΈμ. μ΄μ₯, λΆμ΄μ₯, λνκ΅λ³ΈλΆ, νμνμ΅μ€μ¬λνμΆμ§λ³ΈλΆ, κΈ°κ΄μλͺ
μ€λ¦¬μμν λ±μ μ£Όμ μΈλ¬Όκ³Ό μ‘°μ§μ λν΄ μΈκΈλ μν κ³Ό μ±
μμ μμΈν μ€λͺ
νμΈμ. κ°κ°μ μ‘°μ§μ΄ μ΄λ€ λͺ©μ μ κ°μ§κ³ μκ³ , μ΄λ€ λ°©μμΌλ‘ μ΄μλκ³ μλμ§ λͺ
ννκ² μ λ¬ν΄ μ£ΌμΈμ. κΈμ λ΄μ©μ λ°νμΌλ‘ μΆκ°μ μΈ λ΄μ©μ μΆλ‘ ν΄ λ³΄λλ‘ μ λνλ μ§λ¬Έμ ν¬ν¨ν΄ μ£ΌμΈμ.
[[A]] μμ£Όλνκ΅λ μ΄μ₯μ μ€μ¬μΌλ‘ μ΄μ₯, λΆμ΄μ₯, λνκ΅λ³ΈλΆ, νμνμ΅μ€μ¬λνμΆμ§λ³ΈλΆ, κΈ°κ΄μλͺ
μ€λ¦¬μμν λ±μ λ€μν μΈλ¬Όκ³Ό μ‘°μ§μΌλ‘ ꡬμ±λμ΄ μμ΅λλ€. μ΄μ₯μ κ΅λ¬΄λ₯Ό ν΅ν νκ³ λ³Έ λνκ΅λ₯Ό λννλ©°, λΆμ΄μ₯μ μ΄μ₯μ 보μ’νλ μν μ ν©λλ€. λνκ΅λ³ΈλΆλ κ΅λ¬΄, μ°κ΅¬μ 보, νμ, μ΄λ¬΄, κΈ°ν, μ
ν, κ΅μ νλ ₯ λ± λ€μν μ
무λ₯Ό λ΄λΉνκ³ μμ΅λλ€. νμνμ΅μ€μ¬λνμΆμ§λ³ΈλΆλ νμκ΅μ‘ κ΄λ ¨ μ
무λ₯Ό κ΄ν νλ©°, κΈ°κ΄μλͺ
μ€λ¦¬μμνλ μΈκ°λμμ°κ΅¬ λ° μΈμ²΄μ λλ¬Όμ°κ΅¬μ μ€λ¦¬μ μμ μ λ΄λΉν©λλ€. μ΄λ¬ν μ‘°μ§λ€μ κ°κΈ° λ€λ₯Έ λͺ©μ μ κ°μ§κ³ μ΄μλλ©°, νκ΅μ μ λ°μ μΈ μ΄μκ³Ό μ°κ΅¬, κ΅μ‘μ μ€μν μν μ νκ³ μμ΅λλ€. μ΄λ¬ν μ‘°μ§λ€μ΄ μ΄λ»κ² ν¨μ¨μ μΌλ‘ νλ ₯νκ³ μ΄μλ μ§μ λν μΆκ°μ μΈ μ§λ¬Έμ΄ μ κΈ°λ μ μμ΅λλ€.
(μμ½: 287μ)
μΆκ°μ μΈ μ§λ¬Έ: κ° μ‘°μ§μ΄ μ΄λ€ λ°©μμΌλ‘ νλ ₯νμ¬ νκ΅μ λͺ©νλ₯Ό λ¬μ±ν μ μμμ§ κ΅¬μ²΄μ μΈ μ¬λ‘λ₯Ό λ€μ΄ μ€λͺ
νμΈμ. λν, μ‘°μ§ κ°μ ν¨μ¨μ μΈ νλ ₯ λ°©μμ μ μν΄ λ³΄μΈμ. κ° μ‘°μ§μ μν μ λΉκ΅νμ¬ μ΄λ€ μ μμ μμ΄μ±μ΄ μμΌλ©°, κ·Έ μ°¨μ΄κ° νκ΅μ μ΄μμ μ΄λ€ μν₯μ λ―ΈμΉλμ§ λΆμν΄ λ³΄μΈμ. λ§μ§λ§μΌλ‘, νκ΅μ λ―Έλ λ°μ μ μν μ‘°μ§μ μν κ³Ό μλμ νκ°νμ¬ κ°μ μ μ μ μν΄ λ³΄μΈμ. μ΄λ₯Ό ν΅ν΄ νκ΅μ ν¨μ¨μ μΈ μ‘°μ§ μ΄μμ μν΄ μ΄λ€ μ‘°μΉκ° νμν μ§ λ
ΌμνμΈμ.
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
- 5
Model tree for iknow-lab/0725-ko-genstruct-v0.2-writing
Base model
meta-llama/Meta-Llama-3-8B
Finetuned
MLP-KTLim/llama-3-Korean-Bllossom-8B