학습

전처리된 데이터셋과 베이스 모델, 학습 방법(STAGE)을 지정해서 파인튜닝을 실행합니다.

1. 학습 데이터셋 선택

원본 소스 폴더가 아니라, 이미 학습용으로 정리된 데이터셋 폴더를 선택합니다. 팀 AppData 학습셋, 개인 AppData 학습셋 중에서 고르거나 사용자 지정 경로를 직접 입력합니다. 폴더를 선택하면 아래에서 즉시 검증되어 학습 가능한 파일 개수가 표시됩니다.

데이터 형식

자동 감지, Alpaca, ShareGPT, Pairwise, Plain Text 중에서 선택합니다.

• SFT는 instruction/input/output 기반 JSON/JSONL을 사용합니다.
• DPO/ORPO는 chosen/rejected 기반 JSON/JSONL을 사용합니다.
• .txt/.md 원문은 Plain Text(PT 사전학습) 전용이며, 선택 시 스테이지가 PT로 자동 전환됩니다.

학습 파일 확장자와 출력 디렉토리

학습에 포함할 파일 확장자(.md, .txt, .json, .jsonl)를 선택하고, 학습 결과를 저장할 출력 디렉토리를 지정합니다. 실행 결과는 Run 번호별 하위 폴더로 자동 생성되어 각각 분리 저장됩니다.

2. 모델 선택

HUGGINGFACE MODEL ID를 직접 입력하거나, 검색창에서 모델을 검색합니다. Qwen2.5-7B-Instruct, Qwen2.5-14B-Instruct, Gemma-2-9B-It, Llama-3.1-8B-Instruct, DeepSeek-R1-14B, DeepSeek-R1-8B 중에서 빠르게 선택할 수도 있습니다.

CHAT TEMPLATE은 기본적으로 모델명 기반 자동 감지(권장)를 사용합니다. 오작동 시에만 수동으로 선택하세요.

3. 학습 방법(STAGE) 및 파인튜닝 방식 선택

FINETUNING TYPE은 LoRA, QLoRA(4-bit 양자화), Full(전체 파인튜닝), Freeze(레이어 동결) 중에서 선택합니다. LoRA RANK, LORA ALPHA, DROPOUT 등 세부 하이퍼파라미터도 조정할 수 있습니다.

4. 학습 시작

학습 시작 버튼을 클릭하면 학습이 시작됩니다. 우측 패널에서 상태, 모델, RUN ID, 결과 모델 경로, 진행률을 실시간으로 확인할 수 있고, 로그가 함께 출력됩니다. 학습을 멈추려면 중지 버튼을 클릭합니다.

알아두기

• 데이터 형식과 목표 스테이지가 맞지 않으면 학습이 시작되지 않을 수 있습니다.
• 학습 중에는 같은 Run의 설정을 변경할 수 없습니다.

관련 문서

• 학습 데이터 전처리
• 평가