exaone-3.5-7.8b-emt-chatbot

EXAONE 3.5 7.8B · EMT Chatbot (BF16, 2026-01 초기 버전)

상태: 🗄️ 구버전 — 초기 데이터셋(v1)으로 학습한 첫 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: v1 (초기 데이터셋 2,021건, train/val/test 1,414/303/304)
• HAPES 프로젝트의 첫 Full FT 모델입니다. 이후 데이터셋 v2와 학습 설정 변경으로 exaone-3.5-7.8b-emt-awq 계열로 대체됐습니다.
• 양자화하지 않은 BF16 원본(~15.6GB)입니다. AWQ 버전은 exaone-3.5-7.8b-awq입니다.

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.

• 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.