ERAnalyst-Dayo-8B

ERAnalyst-Dayo-8B

이터널 리턴 관측 지표와 명시적인 비교 관계를 받아 한국어 다요체 분석 및 개선 조언을 작성하는 텍스트 전용 파인튜닝 모델입니다. 게임 서비스나 게임 제작사의 공식 모델이 아닙니다.

아디나의 분석실 실데이터 기반으로 구축·보완한 학습자료를 활용했습니다. 실제 서비스에서 축적한 관측 지표와 분석 응답, 운영 경험을 바탕으로 이터널 리턴 분석 용도에 맞춰 학습했습니다. 원본 실데이터 전체를 그대로 학습했다는 의미는 아니며, 이 저장소에는 원본 데이터나 개인 서비스 로그를 공개하지 않습니다.

기반 모델은 google/gemma-4-E4B-it입니다. 저장소명의 8B는 기반 모델의 임베딩 포함 규모 표기를 따른 이름이며, 공식 계열명은 E4B입니다. 독립적으로 새로 사전학습한 8B 모델이 아닙니다. 이 배포본은 비전·오디오 가중치를 제외하고 LoRA를 병합한 GGUF입니다.

로컬 테스트 웹 데모

설치 방법과 테스트 코드는 GitHub: ERAnalyst-Dayo-8B-demo에 공개되어 있습니다.

• 본인 Eternal Return API 키를 화면에서 직접 입력해 닉네임 전적을 조회합니다. 키는 서버 파일이나 브라우저 저장소에 저장하지 않으며 모델에도 전달하지 않습니다.
• 실험체 두 개를 선택해 지표를 비교하고, 로컬 llama.cpp의 Q5/Q8 모델로 다요체 분석을 생성합니다.
• API 키 없이 합성 예시 또는 직접 입력한 JSON으로 테스트할 수 있습니다.

개인 PC에서 실행하는 데모이며, 모델 가중치는 이 Hugging Face 저장소에서 별도로 다운로드합니다. 자세한 실행 방법과 제한 사항은 GitHub README를 확인하세요.

다운로드

Q4는 이번 배포에서 제외했습니다. BF16 원본과 별도 학습 어댑터는 포함하지 않습니다. 파일 크기와 GPU VRAM 사용량은 다릅니다.

hf download mengbau/ERAnalyst-Dayo-8B --include "*Q8_0.gguf" --local-dir models

실행

Gemma4를 지원하는 llama.cpp가 필요합니다. 평가에 사용한 빌드는 b10673 (f5e85d43a)입니다.

llama-server -m models/ERAnalyst-Dayo-8B-Q8_0.gguf --host 127.0.0.1 --port 8091 -ngl 99 -c 2048 -np 1 -b 256 -ub 128 --flash-attn on

입력은 system 지시와 user JSON으로 구성합니다. 수치 비교는 애플리케이션이 먼저 계산하고 모델에는 그 의미와 조언을 풀어 쓰도록 요청하는 구성을 권장합니다. 평균 순위는 낮을수록 좋고, 팀 킬은 팀 전체 성과입니다. 개인 K·RP·관측되지 않은 역할이나 과거 사건을 임의로 덧붙이지 않도록 하세요.

시스템 지시 예시:

주어진 관측값과 확정 비교만 사실 근거로 분석하고 다음 경기에서 시도할 개선 조언을 12개 제시하세요. 수치의 대상·방향·동률·표본 범위를 보존하세요. 평균 순위는 낮을수록 좋습니다. 팀 킬을 개인 기여로 바꾸지 마세요. 관측되지 않은 과거 사건이나 원인을 단정하지 마세요. 47문장을 자연스러운 다요체로 작성하세요.

합성 입력 예시(실제 유저 전적 아님):

{
  "범위": "예시 관측 표본",
  "표본": [{"실험체": "아디나", "관측경기": 100}, {"실험체": "에이든", "관측경기": 100}],
  "포함지표": ["팀 킬", "평균 순위", "TOP3 진입률"],
  "해석주의": ["평균 순위는 낮을수록 좋음", "팀 킬은 경기당 평균", "TOP3 단위는 %"],
  "확정비교": [
    "팀 킬: 아디나(10.5) > 에이든(9.0); A 우세; 큰 값 우세.",
    "평균 순위: 아디나(3.2) < 에이든(4.1); A 우세; 낮을수록 좋음.",
    "TOP3 진입률: 아디나(55.0) > 에이든(40.0); A 우세; 큰 값 우세."
  ]
}

평가는 원본 토크나이저에서 enable_thinking=False로 만든 정수 토큰을 /completion에 보냈습니다. temperature 0, seed 3407, 최대 생성 640토큰, 후처리 없음입니다. 채팅 클라이언트마다 템플릿·thinking 기본값이 다를 수 있으므로 아래 점수의 자동 재현을 보장하지 않습니다. 재현용 evaluate_request.py와 실제 사용한 시스템 지시 system_prompt.txt를 포함합니다.

평가 결과 — 2026-09-24

동일한 기존 회귀 입력 76건에서 오류가 포함된 응답 수입니다. 사람이 아니라 AI가 직접 의미 검수하고 원문과 대조했습니다.

양자화 답변에서 한자·일본어 혼입과 출력 잘림은 없었습니다. Q8에도 수치 대소 반전, 잘못된 단위, 동률을 후반 요약에서 우세로 바꾸는 오류가 남습니다. 정확도나 다요체 100%를 보장하지 않습니다. 모호한 문구와 표본 한계 누락은 위 확정 오류와 별도입니다.

이 평가는 새 독립 테스트가 아닙니다. 76건 중 69건은 한쪽 실험체가 10경기 미만이므로 실서비스 전체나 고판수 성능으로 일반화할 수 없습니다. NF4+LoRA 원본과 GGUF 비교에는 병합·엔진·양자화 차이가 함께 포함됩니다.

메모리와 속도

RTX 5090, 컨텍스트 2048, 동시 요청 1개 조건입니다. 이전 간이 추론의 GPU 메모리 증가분은 Q5 약 3.9GiB, Q8 약 5.44GiB였습니다. 일부 가중치를 CPU RAM에 둔 조건이므로 전체 GPU 상주량이 아닙니다. 이번 76건 평가에서 VRAM은 재측정하지 않았습니다.

전체 응답 시간 평균은 Q5 1.073초, Q8 1.294초였습니다. 생성 길이가 다르므로 순수 토큰 처리속도 비교가 아닙니다. 다른 GPU의 속도나 라우터·리졸버 동시 탑재 시 8GB 적합성을 보장하지 않습니다.

출처 및 라이선스

기반 가중치 출처: Google DeepMind의 Gemma4 E4B IT. 기반 라이선스는 Apache 2.0입니다. 본 파생 배포의 변경은 도메인 LoRA 학습, 텍스트 전용 추출, FP32 LoRA 병합 후 BF16 저장 및 GGUF 양자화입니다. LICENSE와 NOTICE를 확인하세요.

원본 데이터셋, 개인 계정 정보, API 키 및 서비스 로그는 포함하지 않습니다. 다른 개발자가 제공하는 관측값에 사용 가능하지만, 다른 게임이나 범용 분석으로의 일반화는 평가하지 않았습니다.