회사에서 특정 도메인 데이터로 모델을 파인튜닝해야 할 일이 생겼는데, 실제로 해보니까 이론으로 배운 것과는 꽤 차이가 있더라고요. 처음엔 간단할 줄 알았는데 중간에 여러 문제에 마주쳤습니다.
일단 학습 데이터 준비 단계에서 생각보다 오래 걸렸어요. 약 5000개 정도의 샘플을 수집했는데 데이터 품질 문제가 상당했습니다. 라벨링 오류도 있고 형식도 일관성 없고 해서 전처리만 2주가 걸렸네요. 다들 이 부분이 전체 작업의 70~80%를 차지한다고 했는데 정말 그 말이 맞는 것 같습니다.
그 다음 하이퍼파라미터 튜닝이 문제였어요. learning rate, batch size, epoch 같은 것들을 적절히 설정해야 하는데 이게 정말 경험의 영역이더라고요. 몇 번을 시행착오를 거쳐야 하는데 GPU 비용도 만만치 않고요. 저는 결국 LoRA를 써서 계산량을 줄였는데 성능 손실이 크지 않으면서 훈씬 효율적이었습니다. 여러분도 비용 문제 있으시면 LoRA 추천합니다.
마지막으로 평가 메트릭 설정도 헷갈렸어요. 정확도만 봐서는 안 되고 도메인에 맞는 지표를 따로 정의해야 하더라고요. 저희는 결국 도메인 전문가한테 샘플 결과를 보여주고 직접 평가를 받는 수밖에 없었습니다.
전체적으로 보니까 파인튜닝은 생각보다 장난 아닌 프로젝트네요. 그래도 결과물이 나왔을 때의 만족감은 꽤 컸습니다. 비슷한 작업 계획 중이신 분들은 데이터 품질에 정말 신경 쓰시고 초반에 시간을 충분히 잡아두시길 추천합니다. 중간에 데이터 문제로 인한 재작업은 정말 피곤하거든요.