운영 결정에 최적화된 멀티태스크 분류기 GLiNER2.5
fastino/GLiNER2.5-Decide
Hugging FaceFastino가 공개한 GLiNER2.5-Decide는 하나의 텍스트에서 고객 의도, 감성 분석, 문서 유형 분류 등 여러 종류의 정보를 동시에 추출하는 전문적인 다중 작업(Multi-task) 분류 모델입니다.
- 이 모델은 단일 호출로 여러 개의 분류 작업을 처리하며, 별도의 프롬프트나 생성 토큰 없이 높은 정확도를 유지하여 운영 환경에 최적화된 효율성을 자랑합니다.
- 고객 지원 라우팅, 금융 의도 파악, 문서 유형 분류 등 복잡한 비즈니스 시나리오의 자동화된 구조화 및 운영 결정에 활용됩니다.
- 다만, 이 모델은 일반적인 추론이나 개방형 질문 답변을 위한 범용 AI가 아닌, 특정 운영 결정(Operational Decisions)에 특화된 전문 분류기임을 유의해야 합니다.
GLiNER2.5-Decide는 3억 4천만 개의 를 가진 영어 전문 분류 모델입니다. 이 모델은 단일 포워드 패스를 통해 의도, 라우팅, 감성 분석, 문서 유형 등 여러 레이블 세트를 동시에 처리할 수 있습니다. 별도의 템플릿이나 생성 없이 작동하며, 하나의 호출로 다수의 분류 작업을 수행하여 운영 환경에 최적화된 효율성을 제공합니다.
이 모델은 다양한 테스트에서 평균 60.2%의 정확도를 기록하는 등 높은 성능을 보였습니다. 다만, 이 모델은 일반적인 목적의 범용 AI가 아니며, 추론하거나 개방형 질문에 답변하는 기능은 수행하지 않습니다. 대신 고객 및 은행 의도 파악, 문서 유형 분류, 감성 분석, 정책 결정 등 운영(operational) 결정에 특화된 전문 분류기입니다.
실제 활용 사례로는 복잡한 고객 지원 메시지에서 환불 요청이나 계정 상태 등의 의도를 한 번에 파악하여 적절한 워크플로우를 시작할 수 있습니다. 또한 리뷰 감성 분석 시 'mixed'와 같은 복합적인 감성을 판단하고, 특정 측면(aspects)을 분류하는 등 다중 레이블 처리가 가능합니다. 메시지 내용과 긴급도, 라우팅 목적 등을 동시에 점수화하여 시스템이 여러 번 모델을 실행할 필요 없이 통합된 결정을 내릴 수 있습니다.
용어 풀이
- 매개변수
- 모델이 학습하면서 조정한 내부 숫자. 개수가 많을수록 대체로 모델이 크고 무거워요.
- 프롬프트
- AI에게 주는 지시나 질문 글.
- 토큰
- AI 모델이 글을 처리하는 단위. 단어보다 작은 조각이며 사용량과 요금을 셀 때 기준이 돼요.