hymmmm/exaone-3.5-7.8b-emt-qlora-awq-v2

EXAONE 3.5 7.8B · EMT QLoRA v2 (AWQ 4-bit)

상태: ✅ 권장 — HAPES 챗봇 앱 기본 모델

한국어 소아 응급(119 구급대원) 대화용으로 파인튜닝한 EXAONE 3.5 7.8B 모델입니다.

이 모델은

• 베이스: LGAI-EXAONE/EXAONE-3.5-7.8B-Instruct
• 데이터: v2 (2,001건)
• v1과의 차이: EOS 마스킹 버그를 고친 chat_template으로 재학습. 검증 18샘플에서 런어웨이(무한 반복) 0건, 모두 [|endofturn|]에서 자연 정지.

항목	값
방법	QLoRA (4-bit NF4 베이스 + LoRA), assistant 턴만 학습
LoRA	r=16, alpha=16, dropout 0.05, q/k/v/o/gate/up/down_proj
학습	4 epoch, lr 2e-4 (linear), batch 2 × grad_accum 4, max_length 1,024
환경	SageMaker ml.g5.2xlarge (A10G 24GB), peft + TRL
배포 변환	어댑터를 BF16 베이스에 머지 → AWQ 4-bit 양자화
eval_loss (epoch 1→4)	1.13 → 0.9845 → 0.9244 → 0.9099 (최종 epoch 사용)

사용법 (vLLM)

from vllm import LLM, SamplingParams

llm = LLM(
    model="hymmmm/exaone-3.5-7.8b-emt-qlora-awq-v2",
    quantization="awq",
    dtype="float16",
    max_model_len=8192,
    trust_remote_code=True,
)
out = llm.chat(
    [{"role": "user", "content": "3세 남아, 열성경련 후 의식 저하. 현장에서 뭘 확인해야 하나요?"}],
    SamplingParams(temperature=0.3, max_tokens=1024),
)
print(out[0].outputs[0].text)

모델 패밀리 한눈에 보기

HAPES(소아 응급 119 구급대원 보조 챗봇) 연구에서 만든 모델들입니다. 모두 같은 과제(구급대원–챗봇 대화)로 학습했고, 백본 · 학습 방식 · 데이터 버전만 다릅니다.

레포	백본	학습 방식	학습 데이터	형식	상태
exaone-3.5-7.8b-emt-qlora-awq-v2	EXAONE 3.5 7.8B	QLoRA (EOS 수정)	v2 · 2,001건	AWQ 4bit	✅ 권장 · HAPES 앱 기본 모델
qwen3-8b-emt-qlora-awq-v2	Qwen3 8B	QLoRA (EOS 수정)	v2 · 2,001건	AWQ 4bit	✅ 백본 비교군
exaone-3.5-7.8b-emt-awq	EXAONE 3.5 7.8B	Full FT (BF16)	v2 · 2,001건	AWQ 4bit	✅ 학습방식 비교군 (Full vs QLoRA)
exaone-3.5-7.8b-emt-awq-calib	EXAONE 3.5 7.8B	Full FT (BF16)	v2 · 2,001건	AWQ 4bit (도메인 보정)	🧪 양자화 보정 실험
exaone-3.5-7.8b-emt-qlora-awq	EXAONE 3.5 7.8B	QLoRA (EOS 버그)	v2 · 2,001건	AWQ 4bit	⛔ 사용 금지 → v2 사용
qwen3-8b-emt-qlora-awq	Qwen3 8B	QLoRA (EOS 버그)	v2 · 2,001건	AWQ 4bit	⛔ 사용 금지 → v2 사용
exaone-3.5-7.8b-emt-chatbot	EXAONE 3.5 7.8B	Full FT (BF16)	v1 · 2,021건	BF16 원본	🗄️ 구버전 (2026-01)
exaone-3.5-7.8b-awq	EXAONE 3.5 7.8B	위 emt-chatbot을 양자화	v1 · 2,021건	AWQ 4bit	🗄️ 구버전 (2026-01)

• 데이터 v1 (2026-01): 초기 대화 데이터셋 2,021건, train/val/test = 70/15/15, 최대 512 토큰.
• 데이터 v2 (2026-06): final_dataset.jsonl 2,001건(단일턴 712 · 멀티턴 1,289), train/val = 1,800/201 (주호소 × 대화유형 층화, seed 42), 최대 1,024 토큰(잘림 0%).
• EOS 버그: v1 QLoRA 학습용 chat_template에서 {% generation %} 블록이 종료 토큰([|endofturn|] / <|im_end|>)을 빼먹어, assistant-only loss가 멈추는 법을 학습하지 못함 → 같은 문장 무한 반복·가짜 대화 턴 생성. v2는 종료 토큰까지 학습 대상에 넣어 재학습했습니다.
• Full FT vs QLoRA: Full FT는 epoch 2에서 과적합이 확인됐습니다(학습 데이터 약 1M 토큰으로 7.8B 전체 파라미터를 학습하기엔 데이터가 작음). 그래서 QLoRA를 메인 방식으로 채택했고, Full FT는 비교군으로 남겼습니다.
• 모든 AWQ 모델: AutoAWQ, 4-bit, group size 128, zero point, GEMM 커널. 보정(calibration) 데이터는 -calib만 한국어 도메인 대화(final_dataset.jsonl, 최대 2,048 토큰)이고, 나머지는 AutoAWQ 기본값(pileval, 영어)입니다.

주의

연구용 모델입니다. 실제 환자 처치에 단독으로 사용하지 마세요. 약물 용량 등 수치 정보는 반드시 공식 지침으로 확인해야 합니다. HAPES 앱에서는 RAG(현장응급처치 지침·중독·소아 기저질환 문서)와 함께 사용합니다.