기본 LLM과 성능 향상 LLM의 사용성 비교 연구: 여행 장소 데이터를 중심으로

• 프로젝트의 주요 목적은 기본 LLM과 도메인 전문성을 가진 LLM의 성능을 비교하고, 성능을 높이는 방법에 대해 연구한다.
• 또한, 다양한 성능 향상 방법(Fine-Tuing, RAG)의 효율성을 평가하고, 가장 우수한 성능을 보이는 방법을 찾아내어 챗봇 및 대형 언어 모델의 실용성을 극대화하고자 한다.
• 도메인 성능 향상의 중요성과 방법에 따른 성능 차이를 명확히 함으로써, 특정 분야에 최적화된 언어 모델 개발의 필요성과 방법론을 제시하는 것을 목표로 한다.
• 해당 프로젝트를 통해 산출되는 결과물에는 챗봇이 있는데, 챗봇은 맞춤형 장소 추천을 제공한다.
• 기본 모델은 KoAlpaca 모델을 사용하며, 성능을 비교하는 모델은 다음과 같다.
  1. Prompt Engineering Model (KoAlpaca)
  2. RAG Model
  3. LoRA Model
  4. LoRA + RAG Model

---

자세한 내용은 추후 추가 예정