인공지능 모델 특화 방법: Nova Forge 활용법

인공지능 특화 모델 구축하기: Nova Forge의 데이터 믹싱 활용

대형 언어 모델(LLMs)은 일반 작업에서 좋은 성과를 보이지만, 고유 데이터를 이해하고 내부 프로세스와 산업별 용어를 사용하는 특화 작업에서는 한계를 드러냅니다. 이를 보완하기 위한 방법으로 지도형 미세조정(SFT)이 있습니다. SFT는 두 가지 방법론으로 구현 가능합니다. 첫 번째는 PEFT(매개변수 절약형 미세조정)로, 모델의 특정 매개변수만 업데이트하여 빠른 훈련과 낮은 비용을 유지하면서도 성능 개선을 추구합니다. 두 번째는 모든 모델 매개변수를 업데이트하여 더 많은 도메인 지식을 포함하는 전체 순위 SFT입니다.

아마존 Nova Forge는 이러한 문제를 해결할 수 있습니다. Nova Forge는 사용자가 Nova를 사용하여 자신의 프론티어 모델을 구축할 수 있도록 돕는 새로운 서비스입니다. 이 서비스를 이용하면 자동화 및 배포 가이드를 통해 조기 모델 체크포인트부터 개발을 시작하고 Amazon Nova의 사전 준비된 학습 데이터를 조합하여 고유 모델을 AWS에 안전하게 호스팅할 수 있습니다.

Nova Forge의 사례 연구: 고객 피드백 분류 과제 해결

AWS의 중국 응용 과학 팀은 Nova Forge의 성능을 고객의 목소리(VOC) 분류 작업을 통해 평가했습니다. 복잡한 네 개 층계 레벨에 걸쳐 1,420개의 세부 카테고리를 포함한 16,000개 이상의 고객 코멘트 샘플을 이용하여 뛰어난 성능을 입증했습니다.

• 작업 내 성능 강화: 17%의 F1 점수 개선
• 기본 능력 보존: 미세조정 후에도 근접한 MMLU 점수와 지침 따르기 능력 유지

또한, Nova Forge를 사용하면 모델의 특별한 작업 성능을 강화하면서도 일반적인 능력을 보존하는 것이 가능합니다.

결론 및 실전 권고사항

Nova Forge의 데이터 믹싱 기능을 활용하면, 특화된 인공지능 모델을 구축하는 동시에 일반 지능을 잃지 않고 유지할 수 있습니다. 조직의 사용 사례와 비즈니스 목표에 따라 Nova Forge는 모델 개발의 모든 단계를 개선하고, 사용 환경에서 보상 기능을 위한 강화 학습을 수행할 수 있는 혜택을 제공합니다. Nova Forge 개발 가이드를 참조하여 실험을 시작해 보세요.

[1] https://aws.amazon.com/blogs/machine-learning/building-specialized-ai-without-sacrificing-intelligence-nova-forge-data-mixing-in-action/