Text Generation 실험 생성

LLM 파인튜닝 실험을 생성하고 학습을 시작합니다. 생성 페이지는 Configuration(1페이지) → Publish(2페이지) 두 단계로 구성되며, 하단 Next 버튼으로 페이지를 이동합니다.

아래 화면의 번호를 따라 각 페이지의 항목 위치와 역할을 확인하세요.

생성 진입 버튼

실험 목록 우측 상단의 Create experiment 버튼. 클릭하면 실험 생성 페이지로 이동한다.

실험 생성 — Configuration

Text Generation 학습 실험을 정의하는 페이지. Configuration·Publish 두 탭으로 구성되며, 우측 Summary에서 입력 상태를 확인한다.

번호	기능	항목	설명
2-1	실험 이름	Experiment name * (필수)	· 실험을 식별할 이름을 입력한다.
2-2	로컬 큐	Local queue selection * (필수)	· 실험을 실행할 로컬 큐를 선택(프로젝트에 큐가 없으면 No Data).
2-3	설명	Description (선택)	· 실험 부가 설명을 입력한다(선택).
2-4	템플릿 선택	Select template 버튼	· 미리 정의된 학습 설정 템플릿을 불러온다.
2-5	학습 GPU	Total GPUs * (슬라이더 1~8)	· 학습에 사용할 GPU 수를 슬라이더로 선택.
2-6	베이스 모델	Base model * (검색 · All/Base/Fine-tuning 탭 · 카드)	· 파인튜닝할 베이스 모델을 검색·탭으로 좁혀 카드로 선택.
2-7	요약 패널	Summary (Configuration · Publish)	· 입력 완료 상태를 단계별로 표시. 2페이지(Publish)에서 데이터셋·학습 설정을 입력한다.
2-8	다음 단계 / 취소	Cancel / Create	· Configuration을 다 채운 뒤 폼 맨 아래 Next를 누르면 Publish 단계로 넘어갑니다. Create는 Publish까지 입력해야 활성화됩니다. · Cancel: 생성을 취소한다.

실험 생성 — Publish · 데이터셋/모델 (2페이지)

Next 로 진입하는 2페이지. 학습 데이터셋을 고르고 학습 방식/모델을 지정한다.

번호	기능	항목	설명
3-1	데이터셋 선택	Thaki Datasets / Custom Datasets 탭 · Add	· 학습에 사용할 데이터셋을 Thaki/Custom 탭에서 선택하고 Add 로 추가한다.
3-2	학습 방식	Method * (SFT · Full Fine-Tuning 등)	· 파인튜닝 방식을 선택한다(SFT, Full Fine-Tuning 등).
3-3	학습 모델	Training model * (드롭다운)	· 학습에 사용할 모델을 선택한다.

실험 생성 — Publish · 하이퍼파라미터

학습 하이퍼파라미터를 입력한다. Basic·Resource·Advanced·Early stopping·Expert 섹션으로 구성.

번호	기능	항목	설명
4-1	섹션 헤더	Hyperparameters settings	· 하이퍼파라미터 설정 영역 전체 헤더.
4-2	최대 스텝	Max Steps	· 총 학습 스텝 수.
4-3	학습 길이 기준	Max Steps / Epochs	· 학습 길이를 스텝 수(Max Steps)로 정할지 에폭 수(Epochs)로 정할지 고릅니다.
4-4	학습률	Learning Rate	· 가중치 갱신 폭(기본 5e-5).
4-5	배치 크기	Per Device Batch Size	· GPU당 스텝별 처리 샘플 수.
4-6	그래디언트 누적	Gradient Accumulation Steps	· 가중치 갱신 전 누적할 스텝 수.
4-7	최대 시퀀스 길이	Max Sequence Length	· 학습 샘플 최대 시퀀스 길이(메모리 사용량에 큰 영향).

실험 생성 — Publish · 리소스/고급 설정 + 생성

리소스·고급 하이퍼파라미터를 조정하고 우측 하단 Create 로 실험을 생성한다.

번호	기능	항목	설명
5-1	리소스 설정	Resource settings (접기/펴기 — CPU · Memory · Distributed Strategy · Number of Nodes)	· 펼치면 학습에 할당할 CPU·메모리·분산 전략(DDP 등)·노드 수를 설정한다.
5-2	고급 설정	Advanced settings (Warmup · LR Scheduler · Logging · Precision)	· 펼치면 Warmup Steps·LR Scheduler·Logging Steps·Precision 등 고급 파라미터를 조정한다.
5-3	조기 종료	Early stopping settings	· 펼치면 조기 종료(Early stopping) 조건을 설정한다.
5-4	전문가 설정	Expert settings	· 펼치면 고급 사용자용 추가 파라미터를 설정한다.
5-5	실험 생성	Create / Cancel 버튼	· Create: 실험을 생성·시작한다. · Cancel: 생성을 취소한다.

---

1단계. Configuration (1페이지)

Create experiment(번호 1) 클릭 후, Configuration 페이지에서 실험 기본 정보와 베이스 모델을 설정합니다.

항목	번호	설명
Experiment name	2-1	실험 식별 이름(필수)
Local queue selection	2-2	실험을 실행할 로컬 큐(필수)
Description	2-3	실험 설명(선택)
Select template	2-4	미리 정의된 학습 설정 템플릿 불러오기
Total GPUs	2-5	학습 GPU 수(슬라이더 1~8)
Base model	2-6	파인튜닝할 베이스 모델(검색·All/Base/Fine-tuning 탭)
Summary	2-7	단계별 입력 완료 상태
Next / Cancel	2-8	Publish 단계로 이동 / 취소

---

2단계. Publish · 데이터셋·학습 모델 (2페이지)

Next를 누르면 Publish 페이지로 이동합니다. 학습 데이터셋과 학습 방식·모델을 지정합니다.

항목	번호	설명
Dataset	3-1	Thaki Datasets / Custom Datasets 탭에서 데이터셋 선택·Add
Method	3-2	학습 방식(SFT · Full Fine-Tuning 등)
Training model	3-3	학습에 사용할 모델
Teacher	3-4	증류(distillation)용 교사 모델(카드 선택)

---

3단계. Publish · 하이퍼파라미터

Hyperparameters settings(번호 4-1)는 Basic·Resource·Advanced·Early stopping·Expert 섹션으로 구성됩니다. Basic settings 주요 항목은 다음과 같습니다.

항목	번호	설명
Max Steps	4-2	총 학습 스텝 수
Epochs	4-3	데이터셋 반복 학습 횟수
Learning Rate	4-4	가중치 갱신 폭(기본 5e-5)
Per Device Batch Size	4-5	GPU당 스텝별 처리 샘플 수
Gradient Accumulation Steps	4-6	가중치 갱신 전 누적 스텝 수
Max Sequence Length	4-7	학습 샘플 최대 시퀀스 길이

---

4단계. Publish · 리소스·고급 설정 후 생성

섹션	번호	설명
Resource settings	5-1	CPU · Memory · Distributed Strategy(DDP 등) · Number of Nodes
Advanced settings	5-2	Warmup Steps · LR Scheduler · Logging Steps · Precision
Early stopping settings	5-3	조기 종료 조건
Expert settings	5-4	고급 사용자용 추가 파라미터
Create / Cancel	5-5	실험 생성·시작 / 취소

설정을 확인한 뒤 Create(번호 5-5)를 클릭하면 실험이 생성·시작됩니다.