yeji-8b-lora-v4-tshirt (Deprecated)

⚠️ 이 모델은 더 이상 사용되지 않습니다. tellang/yeji-8b-rslora-v7-AWQ를 사용하세요.

Why Deprecated?

이 모델은 T-SHIRT 데이터 선택 방식으로 학습되었으나 다음 문제로 인해 폐기되었습니다:

1. 베트남어 출력 (v5와 동일)

# 예상 출력
"오늘은 좋은 날입니다."

# 실제 출력
"Hôm nay là một ngày tốt lành."

• 근본 원인: Qwen3-8B-Base 다국어 프리트레이닝
• 발생 빈도: 15-20% (v5와 동일)

2. 반복 루프 (Repetition Loop)

# 프롬프트
"오늘의 연애운을 알려주세요."

# v4-tshirt 출력 (반복 발생)
"오늘은 좋은 날입니다. 오늘은 좋은 날입니다. 오늘은 좋은 날입니다. 오늘은 좋은 날입니다..."

원인 분석:

• T-SHIRT는 20% 데이터만 선택하여 학습
• 데이터 다양성 부족 → 모델이 패턴을 과도하게 암기
• 반복 페널티 적용해도 해결 안 됨

3. T-SHIRT 방식의 한계

T-SHIRT (Training Short Is a Hassle, Retrieve Training)는:

1. 임베딩으로 학습 데이터의 어려움(difficulty) 측정
2. 상위 20%만 선택하여 학습 (5,000 → 1,000 샘플)
3. 학습 시간 80% 단축

이론적 장점:

• ✅ 학습 속도 향상
• ✅ 리소스 절약

실제 문제:

• ❌ 데이터 다양성 감소 → 반복 루프
• ❌ Edge case 학습 부족
• ❌ 베트남어 문제 미해결

Technical Details

• 베이스 모델: Qwen/Qwen3-8B-Base
• 파인튜닝 방식: rsLoRA + T-SHIRT
• 학습 데이터: 1,000 샘플 (전체 5,000의 20%)
• Rank: 16
• Alpha: 32
• 데이터 선택: T-SHIRT (상위 20% 어려운 샘플)

T-SHIRT 데이터 선택 과정

# 1. 임베딩 기반 difficulty 측정
embeddings = embed_model.encode(training_samples)
difficulty_scores = calculate_difficulty(embeddings)

# 2. 상위 20% 선택
threshold = np.percentile(difficulty_scores, 80)
selected_samples = samples[difficulty_scores >= threshold]

# 3. 선택된 샘플로 학습
# 문제: 다양성 부족 → 반복 루프 발생

Recommended Alternative

프로덕션 사용

• 모델: tellang/yeji-8b-rslora-v7-AWQ
• 데이터: 전체 5,000 샘플 사용 (T-SHIRT 미적용)
• 개선: 다양성 확보 + 다국어 억제 프롬프트

from vllm import LLM, SamplingParams

llm = LLM(
    model="tellang/yeji-8b-rslora-v7-AWQ",
    quantization="awq",
)

# 반복 방지 설정
sampling_params = SamplingParams(
    temperature=0.7,
    top_p=0.9,
    max_tokens=512,
    repetition_penalty=1.05,  # v4에서는 효과 없었음, v7에서는 정상 작동
)

최신 버전 (2026-02-01)

• 4B 모델: tellang/yeji-4b-rslora-v8.1 (전체 데이터 학습)
• 8B 모델: tellang/yeji-8b-rslora-v7-AWQ (전체 데이터 학습)

Performance Comparison

지표	v4-tshirt (20% 데이터)	v7-AWQ (100% 데이터)
학습 샘플	1,000 (20%)	5,000 (100%)
학습 시간	2시간	10시간
반복 루프	30% 발생	<1% 발생
베트남어 출력	15-20%	<1%
다양성	낮음	높음
정확도	Baseline	+15%

Why T-SHIRT Failed?

이론 vs 실제

측면	논문 (ImageNet)	YEJI (운세 데이터)
데이터 규모	100만+ 샘플	5,000 샘플
20% 선택 시	20만 샘플 (충분)	1,000 샘플 (부족)
다양성	유지됨	심각하게 감소
결과	✅ 성공	❌ 실패

교훈: T-SHIRT는 대규모 데이터셋(10만+ 샘플)에서만 효과적

소규모 데이터셋 대안

1. 전체 데이터 사용 (v7 방식)

   • 5,000 샘플 모두 활용
   • 다양성 확보

2. Data Augmentation

   # Back-translation으로 데이터 증강
   ko → en → ko  # 동일 의미, 다른 표현
   

3. Few-Shot Learning

   • 예시 기반 학습으로 소량 데이터 보완

Migration Guide

Before (v4-tshirt)

# v4-tshirt - 반복 루프 발생
llm = LLM(model="tellang/yeji-8b-lora-v4-tshirt")
output = llm.generate("오늘의 운세는?")
# 출력: "오늘은 좋은 날입니다. 오늘은 좋은 날입니다..." ❌

After (v7-AWQ)

# v7-AWQ - 정상 출력
llm = LLM(model="tellang/yeji-8b-rslora-v7-AWQ", quantization="awq")

sampling_params = SamplingParams(
    temperature=0.7,
    repetition_penalty=1.05,
)

output = llm.generate("오늘의 운세는?", sampling_params)
# 출력: "오늘은 긍정적인 에너지가 가득한 날입니다. 새로운 기회를 만나게 될 것입니다." ✅

References

• T-SHIRT 논문
• 데이터 선택 방법론

License

Apache 2.0

Citation

@misc{yeji-8b-lora-v4-tshirt,
  title={YEJI Fortune Telling Model (T-SHIRT v4 - Deprecated)},
  author={SSAFY YEJI Team},
  year={2026},
  note={Deprecated: Repetition loop and Vietnamese output. Use yeji-8b-rslora-v7-AWQ instead}
}