Overview

Meow-Clovax-v3는 카카오테크 부트캠프 팀 프로젝트의 일환으로 개발된 경량 한국어 언어 모델입니다.
네이버의 HyperCLOVAX-SEED-Text-Instruct-1.5B를 기반으로 SNS 서비스 환경에 최적화되어,
게시글이나 댓글의 말투를 동물(고양이, 강아지)의 스타일과 다양한 감정을 담아 자연스럽게 변환하도록
특별히 설계되었습니다. 팀원들의 협력으로 구축된 약 1만 2천 개의 데이터셋을 통해, 실제 사용자들이
쓰는 문장들을 보다 재미있고 감정적으로 풍부한 형태로 바꿔주는 것이 목표입니다.

🧠 Model Details

naver-hyperclovax/HyperCLOVAX-SEED-Text-Instruct-1.5B를 기반으로 Supervised Finetuning(SFT) 방식으로 학습되었습니다.
nick_name : haebo/Meow-HyperCLOVAX-1.5B_SFT-FFT_fp32_0710cfe_drop3_epoch2

항목	설명
Base Model	HyperCLOVAX-SEED-Text-Instruct-1.5B
Fine-tuning Method	Supervised Finetuning (SFT)
Model Type	Decoder-only
Language	Korean (primary)
Parameters	1.5B
Precision	fp16 / fp32
Version	v3
Framework	Transformers
license	hyperclovax-seed

📦 Training Details

Dataset: 감정 및 동물 말투에 따라 수집·합성된 style transfer 데이터셋 (비공개)
- 각 샘플은 content, emotion, post_type, transformed_content 필드로 구성된 jsonl 데이터셋
Task: Instruct-style fine-tuning (prompt → transformed response)
Prompt 구조:
- system: "너는 동물 유형과 감정에 맞게 문장을 자연스럽게 변환하는 전문가야."
- user: "다음 문장을 [감정] [동물] 말투로 바꿔줘.\nInput: ...\nOutput:"
- assistant: 변환문 + EOS
Epochs: 2
Learning rate and Optimizer:
- Learning Rate: 2e-5 (0.00002)
- Optimizer: AdamW (adam_beta1=0.9, adam_beta2=0.98, adam_epsilon=1e-8)
- Weight Decay: 0.01
- Dropout: 0.3
Evaluation: BLEU, KoBERTScore, Perplexity, Quality Score, Type Score, 수동 평가 등 사용
Training Infrastructure: Google Colab Pro+ (A100)
Instruction Infrastructure: Google Colab Pro+ (T4) / GCP T4

🎯 Intended Use

감정 기반 말투 변환 서비스 (예: 고양이 말투 + 화남 → “왜 건드냐옹! 안 건드렸으면 좋겠다옹!”)
SNS 캐릭터 보정, 댓글 자동 응답, 감정 기반 챗봇 등에 활용 가능
사용자 프롬프트 스타일 변경 or 톤 조정 등에 활용
다양한 비문에 대해서도 견고한 답변 가능

⚠️ Limitations

사실 기반 생성보다는 말투 스타일링에 초점을 맞춤
부정확하거나 비논리적인 문장을 생성할 수 있음
실제 감정 상태 분석은 수행하지 않음
비상업적 용도로만 사용 가능 (라이선스 참조)

🛠️ How to Use

from transformers import AutoTokenizer, AutoModelForCausalLM

model_id = "haebo/meow-clovax-v3"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id)

prompt = (
    "<|system|>\n"
    "너는 동물 유형과 감정에 맞게 문장을 자연스럽게 변환하는 전문가야.\n"
    "<|user|>\n"
    "다음 문장을 기쁜 고양이 말투로 바꿔줘.\n"
    "Input: 오늘은 정말 좋은 하루였어!\n"
    "Output:\n"
    "<|assistant|>\n"
)
inputs = tokenizer(prompt, return_tensors="pt")
outputs = model.generate(**inputs, max_new_tokens=128)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))

🧪 평가 기준 및 자동화

BLEU Score: n-gram 기반 표면 유사도 (0~1, 높을수록 유사)
KoBERTScore: 의미적 유사도(BERT 임베딩, 0.8↑ 의미 유사)
Perplexity: 언어모델 자연스러움(60~180 구간 1.0점)
Quality Score: 금지어, 반복, 허용 문자, 이모지 등 서비스 품질
Type Score: 목표 동물 말투 패턴 일치(1.0: 완벽, 0.2: 혼합, 0.1: 반대, 0: 없음)
데이터 클랜징: 한글/영문/숫자/주요구두점/이모지만 허용, URL·불용문자·다중공백·과도반복 제거
데이터 필터링: 5가지 평가 기준에 따른 threshold를 설정 후 미달된 데이터 삭제

🗂️ 데이터셋 설명

본 프로젝트의 데이터셋은 감정 및 동물 말투 스타일 변환을 위해 설계된 한국어 jsonl 포맷입니다. 각 샘플은 다음과 같은 4개 필드로 구성되어 있습니다.

필드명	설명	예시 값
`content`	원본 문장 (일상 한국어)	오늘은 정말 좋은 하루였어.
`emotion`	감정 레이블 (영문)	happy
`post_type`	동물 유형 (영문)	cat
`transformed_content`	감정 및 동물 말투로 변환된 문장	오늘은 정말 좋은 하루였다냥! 😸

예시

{
  "content": "오늘도 좋은 하루! 웃는 일만 가득하세요!",
  "emotion": "happy",
  "post_type": "cat",
  "transformed_content": "🐾 오늘도 좋은 하루냥! 냐하하! 웃는 일만 가득하길 바란다냥! 💛"
}

ver3 한글 매핑

ver3에서는 감정(emotion)과 동물(post_type) 필드를 한글로 매핑하여 프롬프트 및 변환문에 자연스럽게 반영합니다.

POST_TYPE_KR = {
    "cat": "고양이",
    "dog": "강아지"
}
EMOTION_KR = {
    "normal": "평범한",
    "happy": "기쁜",
    "sad": "슬픈",
    "angry": "화난",
    "grumpy": "까칠한",
    "curious": "호기심 많은"
}

예시 프롬프트:
"다음 문장을 기쁜 고양이 말투로 바꿔줘.\nInput: ...\nOutput:"

데이터셋 특징
- 감정/동물 스타일별 다양한 어미, 의성어, 이모지, 추임새 반영
- 데이터 클랜징: 한글/영문/숫자/주요구두점/이모지만 허용, URL·불용문자·다중공백·과도반복 제거
- 평가 자동화: BLEU, KoBERTScore, Perplexity, Quality, Type Score 등과 연동
- 서비스 품질: 금지어, 반복성, 이모지 활용 등 실제 서비스 기준 품질 관리

사용된 데이터셋 상세 설명

본 모델의 파인튜닝에는 여러 단계의 데이터셋을 통합·정제한 최종 데이터셋이 사용되었습니다.
본 데이터셋은 실제 유저/댓글/합성/비문/safety 데이터를 통합·정제하여, 다양한 감정과 동물 말투 변환에 최적화되어 있습니다.

총 샘플 수: 11,845개
포함 데이터:
- dataset_0515_made (342개): 초기 유저 데이터
- dataset_0527_made (818개): 유저 게시글 기반 감정별/동물별 데이터
- dataset_0530_made (2,986개): 감정별 증폭된 게시글 기반 데이터
- dataset_0613_made (681개): 유저 댓글 입력에 대한 규칙 기반 변환(cat)
- dataset_0620_made (681개): 유저 댓글 입력에 대한 규칙 기반 변환(dog)
- dataset_0622_made (17,596개): Gemini로 생성된 합성 인풋 말투 변환
- dataset_0709_made (465개): 많이 사용되는 비문 + safety 데이터
주된 구성: 유저 데이터, 댓글 데이터, 합성 데이터, 비문, safety 문장 등 다양한 유형 포함
전처리 사항:
- 중복 제거
- 클랜징/필터링 반영
- 부적절한 데이터 수기 제거
감정 범위: normal, happy, sad, grumpy, curious, angry (6종)
동물 유형: cat, dog (2종)
데이터 구조:
- 각 샘플은 content, emotion, post_type, transformed_content 필드로 구성된 JSONL 포맷
특징:
- Normal 감정은 댓글 데이터(0613, 0620)만 사용
- 다양한 길이/유형의 문장 포함
- 0709 데이터는 클랜징/필터링 처리하지 않음
- content/emotion/post_type/transformed_content의 4필드로 구성
- Jsonl 형태의 데이터

평가 결과

모델명	카테고리	학습 방식	주요 장점	주요 한계	데이터 특징
gemini_v1	Gemini	프롬프트 기반 튜닝	동물 유형별 말투 안정적, 자연스러움	대답 형태, 말투 변환 한계	유형별 설명 포함
gemini_v2	Gemini	프롬프트 기반 튜닝	감정별 변환 개선	불필요한 내용 포함	유형별 상황 추가
meow-base	ClovaX	-	원문 재작성	말투 변환 없음	-
meow-v1	ClovaX	Instruct 구조 맞춤	동물 유형 안정적 반영	감정 변환 어려움, 품질 저하	사용자 데이터
meow-v2	ClovaX	SFT 구조 + 필터링	의미 유지/반영	비정형 글 변환 한계	합성 데이터 추가
meow-v3	ClovaX	프롬프트 한글화+클랜징+dropout	견고한 변환, 다양한 상황 대응	의미 없는 요청 취약	비문 데이터 추가

모델명	Kobert	BLEU	Perplexity	Type	Quality	종합 평균(%)
gemini_v1	0.68 (0.00%)	0.32 (0.00%)	0.90 (0.00%)	0.99 (0.00%)	0.87 (0.00%)	0.00%
gemini_v2	0.64 (−5.78%)	0.31 (−3.33%)	0.94 (+4.07%)	0.97 (−1.36%)	0.84 (−4.12%)	−1.66%
meow-v1	0.56 (−18.26%)	0.17 (−46.23%)	0.38 (−57.58%)	0.96 (−2.71%)	0.57 (−34.65%)	−28.38%
meow-v2	0.71 (+4.04%)	0.46 (+41.29%)	0.83 (−8.47%)	0.98 (−0.68%)	0.95 (+9.23%)	+5.41%
meow-v3	0.75 (+9.87%)	0.55 (+71.14%)	0.85 (−6.46%)	0.94 (−5.06%)	0.89 (+2.23%)	+8.10%

genini clovax

📚 라이선스 및 활용

연구/비상업적 용도 우선, 상업적 활용은 별도 문의
데이터/모델/코드 재배포 시 출처 표기 권장

haebo
/

meow-clovax-v3