"모델이 이상한 답변을 해요"

김대리: "파인튜닝했는데 오히려 더 이상해졌어요!"

박선배: "학습 데이터 좀 보자."

박선배: "여기 문제다. 데이터가 너무 짧고 불성실해. 모델은 데이터에서 배운 대로만 답해. 쓰레기를 넣으면 쓰레기가 나와."

좋은 데이터 vs 나쁜 데이터

항목	나쁜 데이터	좋은 데이터
길이	"냉각수 확인." (4 토큰)	5단계 상세 절차 (50+ 토큰)
구체성	"매뉴얼 참조"	AL-3012 코드별 원인 분석
형식	뒤죽박죽	일관된 구조 (증상-원인-조치)
정확성	검증 안 됨	현장 전문가 검수 완료
다양성	비슷한 질문 반복	장비별/상황별 골고루

오늘의 목표

모델은 데이터만큼만 똑똑해진다. 오늘 하루를 데이터에 투자하면, 나머지 3일이 편해진다.

시간	주제	핵심 질문
1교시	데이터 형식	Alpaca? ShareGPT? 뭐가 다른가?
2교시	데이터 수집	매뉴얼에서 어떻게 뽑아내나?
3교시	데이터 검증	쓸 만한 데이터인지 어떻게 확인?
4교시	데이터 증강	100건을 1,000건으로 불리는 법
5교시	실습	제조 Q&A 데이터셋 구축