g34634/qwen2.5-3b-memory-summary-v1

Qwen2.5-3B Memory State Generator

Qwen2.5-3B-Instruct를 멀티턴 대화에서 구조화된 메모리 상태를 추출하도록 파인튜닝한 모델입니다.

멀티턴 대화 파이프라인에서 라우팅 및 검색 전에 가장 먼저 실행되며, 이후 컴포넌트(Router, RAG, LLM)가 활용할 수 있는 memory_state JSON을 생성합니다.

사용자 입력 → [Memory State Generator] → Router → LLM/VLM

---

모델 설명

베이스 모델	Qwen/Qwen2.5-3B-Instruct
파인튜닝 방식	SFT + LoRA
학습 데이터	DialogSum + QMSum
최대 시퀀스 길이	512
LoRA rank	16
GPU	NVIDIA A100 40GB
Epoch	3
최종 Validation Loss	0.693

---

출력 형식

대화를 입력하면 아래 형식의 JSON을 출력합니다.

{
  "memory_state": {
    "key_facts": ["사실1", "사실2"],
    "unresolved_refs": ["불명확한 지시어나 대명사"],
    "topic": "대화의 주제",
    "turn_count": 5
  },
  "memory_summary": "지금까지의 대화를 한 문장으로 요약한 내용"
}

---

사용법

from transformers import AutoTokenizer, AutoModelForCausalLM
import torch
import json

model_id = "your-username/qwen2.5-3b-memory-summary-v1"

tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype=torch.bfloat16,
    device_map="auto",
    trust_remote_code=True
)

SYSTEM_PROMPT = """You are a Memory State Generator in a multi-turn dialogue system.
Given a conversation, extract and output a structured memory state as JSON.

Output format (strictly follow this):
{
  "memory_state": {
    "key_facts": ["fact1", "fact2"],
    "unresolved_refs": ["any unclear references or pronouns"],
    "topic": "main topic of the conversation",
    "turn_count": <number of turns>
  },
  "memory_summary": "One concise sentence summarizing the conversation so far."
}

Output only valid JSON. No explanation, no markdown."""

dialogue = """
A: RAG 파이프라인 구현 완료했어요.
B: 모델은 어떤 걸 쓰기로 했어요?
A: Qwen2.5-3B-Instruct로 결정했어요. LoRA로 파인튜닝할 예정입니다.
"""

messages = [
    {"role": "system", "content": SYSTEM_PROMPT},
    {"role": "user", "content": f"Conversation:\n{dialogue}"}
]

input_text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = tokenizer(input_text, return_tensors="pt").to(model.device)

with torch.no_grad():
    outputs = model.generate(
        **inputs,
        max_new_tokens=512,
        temperature=0.1,
        do_sample=True,
        pad_token_id=tokenizer.eos_token_id
    )

response = tokenizer.decode(outputs[0][inputs["input_ids"].shape[1]:], skip_special_tokens=True)
parsed = json.loads(response)
print(json.dumps(parsed, indent=2, ensure_ascii=False))

---

학습 정보

데이터

데이터셋	크기	설명
DialogSum	13,031개	일상 대화 + 사람이 작성한 요약문
QMSum	686개	회의록 + query 기반 요약 쌍

두 데이터셋 모두 memory_state JSON 형식으로 변환하여 SFT 학습에 사용했습니다.

학습 설정

LoraConfig(
    r=16,
    lora_alpha=32,
    lora_dropout=0.05,
    target_modules=["q_proj", "k_proj", "v_proj", "o_proj",
                    "gate_proj", "up_proj", "down_proj"],
)

SFTConfig(
    num_train_epochs=3,
    per_device_train_batch_size=1,
    gradient_accumulation_steps=16,
    learning_rate=2e-4,
    lr_scheduler_type="cosine",
    max_seq_length=512,
    bf16=True,
)

학습 Loss

Step	Training Loss	Validation Loss
100	14.578	0.896
500	12.919	0.804
1000	11.361	0.734
1500	10.437	0.694
2000	9.783	0.694
2400	9.635	0.693

---

한계점

• 대화 형식에 따라 turn_count 추출이 부정확할 수 있습니다
• key_facts가 구체적인 사실 추출보다 추상적인 요약에 가깝게 나오는 경우가 있습니다 — synthetic 데이터 추가 학습으로 개선 예정입니다
• 짧은~중간 길이 대화에 최적화되어 있습니다 (최대 512 토큰)

---

라이선스

Apache 2.0