jminc/llama3-lora-resume-matching-r64

📄 LLaMA 3 LoRA Resume Matching Model (R=64)

이 모델은 Meta-Llama-3.1-8B-bnb-4bit 모델을 기반으로, 한국어 이력서 및 자기소개서와 채용공고 간의 적합도를 평가하기 위한 LoRA 파인튜닝 모델입니다.

📚 학습 데이터셋

• —총 74,147개 샘플
• —Hugging Face: jminc/resume-matching-dataset-v2
• —모든 jobpost는 가상의 정보입니다.
• —이력서(resume)와 자기소개서(selfintro)는 GPT-4o 기반으로 생성되었으며, 실제 인물과 무관합니다.

🗂️ 데이터셋 포맷

🧠 학습 설정

• —모델: unsloth/Meta-Llama-3.1-8B-bnb-4bit
• —기법: LoRA 파인튜닝 (Rank=64, Alpha=64)
• —플랫폼: RunPod (12vCPU / 25GB RAM)

📈 학습 결과

• —Train Loss / Eval Loss Curve [image] [image]

• —Confusion Matrix [image] [image]

🧪 사용 예시

from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("jminc/llama3-lora-resume-matching-r64/tokenizer")
model = AutoModelForCausalLM.from_pretrained("jminc/llama3-lora-resume-matching-r64")

inputs = tokenizer("이력서 평가 프롬프트", return_tensors="pt").to(model.device)
outputs = model.generate(**inputs, max_new_tokens=256)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))

⚠️ 주의

• —본 모델은 연구 및 교육 목적에 한하여 사용할 수 있습니다.
• —실제 인사 평가 또는 채용 결정에는 사용하지 마세요.