wl-ko-ner-v2

wl-ko-ner-v2

Korean NER (KLUE-NER 6 entity: PS/LC/OG/DT/TI/QT) — KoELECTRA-base-v3, RP(roleplay) 도메인 적응 버전. ONNX fp16 + fp32 (onnxruntime-web, WebGPU/WASM).

v1 대비: KLUE-NER(뉴스) 만으로 학습한 v1 은 RP 픽션에서 무너졌음(주인공 이름조차 오분류). v2 는 RP 챗 코퍼스에 canon distant-supervision(로어북 trigger keys 로 자동 라벨, LLM 비용 0)

• teacher 보강으로 도메인 적응.

성능

• RP gold F1: 0.848 (수기 정답 held-out, exact span+type). v1=0.195 → v2=0.848.
• KLUE-NER dev F1: 0.815 (뉴스 도메인 능력 유지 — 회귀 거의 0).
• 같은 KoELECTRA-base → 추론 속도 v1 과 동일.

Files

• wl-ko-ner-v2-fp16.onnx (~215MB) — shader-f16 지원 GPU(데스크톱 등) WebGPU 용.
• wl-ko-ner-v2-fp32.onnx (~429MB) — shader-f16 없는 GPU(모바일 Adreno 등) WebGPU 용 (동일 품질).
• tokenizer.json / config.json / vocab.txt — KoELECTRA tokenizer.

License / 주의

• Weights: CC-BY-SA-4.0 (KLUE 상속). 코드 Apache-2.0.
• RP 도메인 적응은 비공개 RP 코퍼스 기반 — 엔티티 인식 행동 이 그 분포를 반영(본문 복원 불가, token-classifier).

Usage (onnxruntime-web)

const sess = await ort.InferenceSession.create(modelUrl, { executionProviders: ['webgpu','wasm'] });

WygLore Leaf (RisuAI V3 플러그인) 의 온디바이스 cold-start NER 용. canon 앵커(로어북) + POS 필터와 함께 사용.