모델 카드는 별도 양식의 문서가 아닙니다. 모델 저장소에 두는 README.md 파일이 그대로 모델
카드가 됩니다. 파일 맨 위 YAML 부분이 기계가 읽는 메타데이터이고, 그 아래 마크다운 본문이
사람이 읽는 설명입니다.
공개 후 사용자가 가장 먼저 읽는 문서이고, 규제 대응 문서화의 출발점이기도 합니다. 여기에 적히지 않은 내용은 도구로도 확인할 수 없습니다.
파일 구조
---
license: apache-2.0
language:
- ko
- en
base_model: meta-llama/Llama-3.1-8B
datasets:
- HuggingFaceFW/fineweb
pipeline_tag: text-generation
library_name: transformers
---
# 모델 이름
모델 설명, 용도, 한계, 평가 결과를 적습니다.
메타데이터 항목
YAML 부분은 검색과 필터에 쓰이고, AI SBOM을 만들 때 기계가 읽는 부분이기도 합니다. 아래 네 항목이 특히 중요합니다.
| 항목 | 내용 | 비워 두면 |
|---|---|---|
license | 모델 가중치에 적용할 라이선스 식별자 | 사용자가 이용 조건을 알 수 없습니다 |
datasets | 학습에 쓴 데이터셋의 Hub 식별자 | 데이터 출처를 확인할 수 없어 규제 대응에서 공백이 됩니다 |
base_model | 파인튜닝, 양자화, 병합의 원본 모델 | 파생 관계와 상속되는 라이선스 의무가 드러나지 않습니다 |
pipeline_tag | 모델이 수행하는 작업 종류 | 용도가 불명확해집니다 |
표준 라이선스가 아니라면 license: other로 두고 이름과 링크를 함께 적습니다.
license: other
license_name: 라이선스 이름
license_link: https://example.com/license
학습 데이터셋을 공개하지 않는 경우에도 datasets 항목은 가능한 범위에서 밝히시기 바랍니다.
공개할 수 없는 사정이 있다면 본문에 그 사실과 이유를 적는 편이 아무것도 쓰지 않는 것보다
낫습니다.
본문에 담을 내용
Hugging Face가 제공하는 모델 카드 템플릿을 출발점으로 삼으시면 됩니다. 그중 다음 항목은 규제 문서화와 직접 연결되므로 비워 두지 않는 편이 좋습니다.
모델 설명 무엇을 하는 모델인지, 어떤 구조인지, 파라미터 규모는 어느 정도인지 적습니다.
의도한 용도 어떤 상황에서 쓰라고 만든 모델인지 적습니다. EU 인공지능법이 요구하는 기술 문서에서 시스템의 목적을 밝히는 부분과 대응합니다.
용도 밖 사용 쓰지 말아야 할 범위를 적습니다. 의료 진단이나 신용 평가처럼 잘못 쓰였을 때 피해가 큰 영역을 구체적으로 밝히는 편이 좋습니다.
한계와 편향 알고 있는 성능 한계와 편향을 적습니다. 검증하지 않은 영역이 있다면 검증하지 않았다고 쓰면 됩니다. 알려진 문제를 숨기는 것보다 밝히는 쪽이 안전합니다.
학습 데이터 어떤 데이터로 학습했는지, 전처리와 필터링을 어떻게 했는지 적습니다. 개인정보나 저작물을 걸러낸 방법이 있다면 함께 적습니다.
평가 어떤 기준으로 무엇을 측정했고 결과가 어땠는지 적습니다. 평가 데이터셋과 지표를 함께 밝힙니다.
작성 순서
모델 카드를 마지막에 몰아서 쓰면 학습 시점의 정보를 되짚어야 해서 부정확해집니다. 학습을 시작할 때 데이터 출처와 전처리 내용을 기록해 두시면 훨씬 수월합니다.
- 학습 전에 데이터셋 목록과 출처, 라이선스를 기록합니다.
- 학습 중에 하이퍼파라미터와 평가 결과를 기록합니다.
- 공개 준비 단계에서 이를 모델 카드로 옮기고 용도와 한계를 씁니다.
- 공개 전 체크리스트로 빠진 항목을 확인합니다.
관련 문서
- 공개 전 체크리스트 — 모델 카드 항목 점검
- AI SBOM — 모델 카드에서 만들어지는 문서
- Model Cards — Hugging Face 공식 문서
문의
작성 중 판단이 어려운 부분은 OSRB(opensource@sktelecom.com)로 문의하세요.