Qwen3.5 기반의 구조화된 판단 모델 'Kev' 공개
jaredpalmer/kev
GitHubKev는 Qwen3.5를 기반으로 개발된 의사결정 모델 패밀리로, 단일 텍스트 입력만으로 다중 질문(예/아니오, 선택지, 점수)에 대한 구조화된 답변과 확률을 추출합니다.
- 단순한 결과값 대신 확률 분포를 제공하여 답변의 신뢰도를 정량적으로 판단할 수 있게 하며, 특히 Kev-9B 모델은 높은 정확도와 안정적인 성능이 특징입니다.
- 고객 문의 분류나 복합 문서 분석처럼 여러 정보가 동시에 필요한 AI 시스템 구축에 활용도가 높아, 다차원적이고 근거 기반의 판단을 지원합니다.
- 사용하려면 Python 3.12+ 환경 설정과 API 호출이 필요하며, 모델 크기(0.8B~9B)에 따라 적절한 하드웨어 사양 및 메모리 점검이 중요합니다.
Kev는 Qwen3.5를 기반으로 구축된 의사결정 모델 패밀리입니다. 이 모델은 단일 텍스트 입력(`state`)을 받아 Yes/No (`noul`), 다중 선택지 (`choice`), 점수 평가 (`score`) 등 여러 유형의 질문에 대한 구조화된 답변과 확률 분포를 추출할 수 있습니다. Kev는 사용자가 사전 학습된 를 사용하거나 직접 모델을 훈련시킬 수 있으며, 는 TypeSafe의 System One과 호환되어 로컬 서버와 연동이 가능합니다.
Kev를 활용하려면 Python 3.12+ 환경 설정 및 `uv` 도구가 필요하며, 깃허브 저장소를 클론하여 서버를 실행해야 합니다. 예를 들어, Kev-4B 모델을 로컬에서 구동할 경우 특정 명령어(`git clone...`, `uv run...`)를 사용합니다. API 호출 시에는 JSON 형식으로 평가 대상 텍스트와 질문 목록을 전송하며, 응답은 각 답변의 확률 분포(probabilities) 형태로 제공되어 신뢰도 판단이 가능합니다.
Kev는 모델 크기에 따라 Kev-0.8B, Kev-4B, Kev-9B 세 가지 버전으로 제공됩니다. 모든 모델은 Qwen3.5 기반이며, 사용자는 필요에 따라 적절한 모델을 선택할 수 있습니다. 성능 비교표에 따르면, Kev-9B가 새로운 출처(New Sources) 개발 세트에서 0.822의 정확도를 보였으며, 이는 높은 정확도와 안정적인 성능이 특징임을 보여줍니다.
용어 풀이
- 가중치
- 학습으로 정해진 모델 내부의 숫자 값. 내려받는 모델 파일의 본체예요.
- API
- 프로그램끼리 기능을 주고받는 약속된 창구. AI 모델은 보통 API로 불러 써요.