AI Learning — EyeSphere Engine

1 Base Model

Engine 의 바탕이 되는 원본. 8GB GPU 기준 7B 이하, LoRA 까지 하려면 LoRA ✓.

불러오는 중…

⬇ 모델 더 받기 (ollama.com)

2 Engine 만들기

Base Model—

→

Engine—

3 학습 대상

EyeSphere Engine 에 학습시킬 솔루션 영역. 고르면 그 영역의 솔루션 자료가 아래 지식에 자동으로 들어갑니다.

4 지식 넣기 RAG

방법 1

✍ 질문 / 답 가르치기

"이렇게 물으면 이렇게 답해" 를 하나씩. 사실 하나를 콕 집어 심을 때.

방법 2

📝 텍스트 붙여넣기

긴 글(규정·매뉴얼·메모)을 그대로. 조각내서 통째로 알게 할 때.

방법 3

📁 파일 · 폴더

소스 전체, 문서 수백 개처럼 양이 많은 것. 목록에 담고 [지식 구축] 으로 한 번에.

여기에 끌어다 놓기

이름	유형	상태

대기 중

기존 파일 지식 지우고 새로 (가르친 것·텍스트는 유지)

방법 4

✨ 주제로 문답 자동 생성 → 검토 → 가르치기

주제만 적으면 도우미 모델이 질문/답 쌍을 만들어 줍니다. 지식에 관련 자료가 있으면 그걸 근거로, 없으면 일반 지식으로. 생성된 문답은 고치거나 지운 뒤 가르치기 — 방법 1 과 똑같이 지식 즉시 반영 + 학습 데이터에 담깁니다.

지식 근거 생성 모델

현재 지식 -조각 · -소스

⚙ 고급

Chunk Overlap Embedding 최대 파일

📜 로그

5 지식에서 골라 모델에 새기기 LoRA 환경 확인 중…

지식(RAG)은 답할 때마다 찾아보는 메모장이고, LoRA 는 그걸 외우게 하는 겁니다. 아래 지식 목록에서 새길 것을 체크해 학습 데이터에 담고 학습을 시작하세요. 직접 가르친 Q/A 는 기본 선택, 문서는 문답 자동 생성 또는 원문 그대로 중 고릅니다.

지식 목록 문서는

📦 학습 데이터 0쌍

…

대기 중

✨ 질문 변형 자동 (정답당 개)

🔁 이어서 학습 — 전에 배운 것 유지 + 새 데이터 추가 (기본) 🆕 처음부터 학습 — 이전 학습 결과 버림 (모델이 이상해졌을 때)

⚙ 고급 설정

Epoch Learning Rate Batch Rank Alpha 최대 step Seq 양자화 CUDA HF 토큰 HF 원본(자동)

📦 내부망(오프라인) 설치

📜 학습 로그 🗎 전체 로그 (새 탭)

6 검증 — 원본 VS Engine

Engine 이 지식(RAG)을 찾아보고 답하기 끄면 LoRA 효과만

📦 Base Model원본

…

🧠 Engine