Qwen-4B-HS4-DPO

Model Card: Qwen3-4B-HS4-DPO

이 모델은 **품명(Item Description)으로부터 관세 품목 분류 번호(HS Code)**를 정확하게 추론하기 위해 Qwen3-4B 모델을 DPO(Direct Preference Optimization) 방식으로 미세 조정(Fine-tuning)한 데모 모델입니다. 해당 모델은 데모용으로 개발되었으며, 소량의 데이터를 사용하여 학습하여 결과가 다소 부정확할수 있습니다.

1. 모델 설명 (Model Details)

• Developed by: [AX추진실]
• Language: 한국어, 영어
• Model Type: Causal Language Model
• Base Model: Qwen/Qwen3-4B
• Training Method: DPO (Direct Preference Optimization)
  • 단순 SFT(Supervised Fine-Tuning)보다 정확한 HS Code 매칭 결과를 선호하도록 학습되었습니다.

2. 학습 데이터 및 목적 (Intended Use)

수출입 통관 데이터의 품명(Text) 정보와 실제 할당된 HS Code 쌍을 활용하였습니다.

• Input: 상품명 또는 상품에 대한 상세 묘사 (예: "Wireless Bluetooth Earbuds with Noise Cancelling")
• Output: 해당 상품의 HS 4단위 추론과정 및 HS코드 4단위

3. 학습 과정 (Training Procedure)

• DPO Pair Data:
  • Prompt, Chosen/Rejected Set을 LLM으로 생성하고 학습진행
• Training Tool: TRL (Transformer Reinforcement Learning)

4. 사용 방법 (How to use)

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "KoreaTradeNetwork/Qwen3-4B-HS4-DPO"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, device_map="auto")

prompt = "품명: 'Organic Green Tea Bag'\n이 상품의 HS 코드는?"
inputs = tokenizer(prompt, return_tensors="pt").to(model.device)
outputs = model.generate(**inputs, max_new_tokens=50)

print(tokenizer.decode(outputs[0], skip_special_tokens=True))