Item	Detail
Base Model	monologg/koelectra-base-v3-discriminator
Architecture	ElectraForSequenceClassification
Parameters	112.9M
Language	Korean
Experiment	v2_stage6

Intent Labels (8 classes)

ID	Intent	Description
0	`judgment`	업무 판단 요청 (승인/반려/검토)
1	`doc_search`	문서 검색
2	`doc_generate`	문서 생성 (회의록, 보고서 등)
3	`doc_summary`	문서 요약
4	`schedule_add`	일정 추가/등록
5	`schedule_view`	일정 조회/확인
6	`general`	일반 대화/질문
7	`doc_qa`	문서 기반 Q&A

Performance

Metric	Score
Test F1	97.88%
Adversarial F1	87.84%
Inference Speed	7.9ms / sample

Training Data: 2,425 sentences (2,327 base + 98 augmented)
Test Data: 286 samples + 450 adversarial samples
Label Smoothing: 0.1

Usage

python

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

model_name = "jiyong1110/koelectra-intent-classifier"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSequenceClassification.from_pretrained(model_name)

text = "내일 오후 3시에 회의 잡아줘"
inputs = tokenizer(text, return_tensors="pt", truncation=True, max_length=128)

with torch.no_grad():
    outputs = model(**inputs)
    pred = torch.argmax(outputs.logits, dim=-1).item()

id2label = model.config.id2label
print(f"Intent: {id2label[pred]}")  # schedule_add

Training Details

7단계 실험을 거쳐 최적화된 모델입니다:

Stage 1: Claude + GPT-4o 기반 학습 데이터 생성
Stage 2: 3개 모델 베이스라인 비교 (BERT, KoBERT, KoELECTRA)
Stage 3: 32-point 하이퍼파라미터 그리드 서치
Stage 4: 최종 평가 (적대적 테스트, 속도 벤치마크)
Stage 5: 에러 분석 및 타겟 증강
Stage 6: Label smoothing 적용
Stage 7: 시나리오 테스트 (100 samples)

Project

SKN21-FINAL-3TEAM — WorkFlow Agent (듀듀)

LangGraph 기반 멀티 에이전트 업무 자동화 시스템의 Intent Classification 모듈입니다.