Austin9/gemma-2-2b-it-Ko-QCR

Gemma2 한국어 전용 어댑터 (Gemma2 Korean Adapter)

본 레포지토리는 unsloth/gemma-2-2b-it 모델을 기반으로, 한국어 질의 분류 및 검색 쿼리 재작성을 수행하기 위한 어댑터(Adapter) 예시입니다.
비상업적 용도로 배포되며, 상업적 사용은 제한됩니다. 본 모델 및 어댑터에 대한 저작권은 원 개발자에게 있으며, 무단 전재 및 배포는 금지됩니다.

---

주요 기능

1. 질의 분류(Query Classification)

   • 사용자의 질의가 인사, 농담, 겉치레 등의 실제 검색이 불필요한 경우, {"search": ""}(빈 문자열) 형태로 반환합니다.
   • 즉, 검색이 전혀 필요하지 않은 상황을 자동으로 분류하여 쿼리를 생성하지 않습니다.

2. 검색 쿼리 작성(Search Query Rewriting)

   • 실제 검색이 필요한 질문의 경우, **과거 대화(Context)**를 고려하여 불완전한 쿼리를 보완하거나, 불필요한 부분을 제거해 최적화된 검색어를 생성합니다.
   • 최종 출력은 JSON 형식으로 {"search": "<검색 쿼리>"} 형태를 따릅니다.

---

학습 데이터 구성

• 대화(Context): 사용자와의 과거 대화 기록을 개행(\n)으로 구분하여 이어붙인 텍스트
• 지시문(Instruction): 모델에게 어떤 작업을 수행해야 하는지 알려주는 텍스트
• 입력(Input): 사용자가 마지막으로 입력한 실제 질의
• 응답(Response): 최종 JSON 형식({"search": "<검색어>"})으로 작성된 검색 쿼리 결과

대화와 요청을 하나의 텍스트로 합쳐 학습할 수 있도록, Hugging Face Dataset을 활용하여 아래와 같은 템플릿에 맞춰 변환하였습니다.

---

프롬프트 템플릿(예시)

본 어댑터는 아래와 같은 템플릿 구조를 사용합니다. 모델에 입력될 최종 문자열은 다음과 같습니다:

### Context:
{conversation}

### Instruction:
다음은 대화 기록(Context)와 사용자의 질문(Input)입니다. 사용자의 질문에 답을 제공하기 위해 필요한 단일 문자열 검색 쿼리를 생성하세요. 대화 기록을 고려하여 검색 쿼리를 생성하세요. 검색이 필요하지 않거나 쿼리가 불필요한 경우(인사나, 겉치레, 농담) 빈 문자열을 반환하세요.

최종 출력 형식은 {'search': '<검색 쿼리>'}입니다.

### Input:
{input}

### Response:
{response}

• {conversation}: 과거 대화 히스토리를 개행(\n)으로 구분하여 이어붙인 문자열
• {instruction}: 사용자 요청에 대한 지침
• {input}: 최종 사용자 질의
• {response}: JSON 형식(예: {"search": "<검색어>"})으로 작성된 결과

모델의 EOS 토큰(예: tokenizer.eos_token)을 이용해 문장 단위를 구분합니다.

---

사용 예시

1. 인사, 농담, 겉치레 질문

   • Input: “안녕? 잘 지내?”
   • 분류 결과: 검색이 불필요하다고 판단 → {"search": ""}

2. 검색 필요한 질문

   • Context: 이전 대화에서 “뉴욕 맛집” 이야기를 하고 있었음
   • Input: “그럼 뉴욕에서 제일 인기 있는 햄버거 가게 찾아줘”
   • 모델 응답: {"search": "뉴욕 인기 햄버거 가게"}
   • 과거 대화를 고려하여 키워드를 추출 및 재작성

---

모델 구조

• Base Model: unsloth/gemma-2-2b-it
• 언어(Language): 한국어에 최적화된 어댑터

---

사용 방법

1. 데이터셋 생성

   • merged_dataset.json 형태로 대화와 질의가 포함된 원본 데이터를 준비합니다.
   • 위 예시 스크립트처럼, {"search": "<검색어>"} 형태의 최종 Response를 생성하도록 전처리(토큰 수 제한, 불필요한 대화 제거 등)를 거칩니다.

2. 포맷 변환

   • 템플릿(custom_prompt)을 사용해 <conversation>, <instruction>, <input>, <response>를 하나의 문자열로 합칩니다.
   • Hugging Face Dataset 객체에 맵핑(map)하여 text 컬럼을 생성합니다.

3. 데이터 분할

   • 예시 코드에서처럼 train/val 데이터를 분리한 후, 원하는 미세조정 방법으로 학습합니다.

4. 추론(Inference)

   • 학습된 모델 혹은 어댑터를 로드한 뒤, 사용자 입력을 받아 템플릿에 맞춰 모델에 전달합니다.
   • 모델의 최종 출력이 {"search": "<검색어>"} 형태인지 확인합니다.
   • search 필드가 빈 문자열("")이라면 검색이 필요하지 않음을 의미합니다.

---

라이선스

• 본 어댑터는 비상업적 용도로만 사용 가능합니다.
• 재배포 및 파생 프로젝트 생성 시, 반드시 비상업적 목적이어야 하며, 2차 창작 시 원작자 표기를 준수해야 합니다.
• 상업적 이용이 필요한 경우 별도의 협의를 통해 허가를 받아야 합니다.

---