플러스프로젝트 배경
1) 문제점 - 범용 모델은 산림기사의 전문 용어와 계산형 문제에 일관되게 대응하기 어려움 - 정답만 반복하는 학습은 수험생의 취약 과목과 세부 영역을 개선하기 어려움 2) 프로젝트 목표 - 산림기사 데이터를 학습한 도메인 특화 EXAONE 모델 구축 - 실제 문제풀이·정답 판정·해설을 제공하는 학습 앱 개발 - 정답·오답 기록을 분석해 취약 영역 문제를 더 출제하는 적응형 학습 구현 3)
프로젝트 성과
계산형 solver 커버리지 34→74, 신규 유형 22/22 검증
내부 검증에서 계산형 solver 커버리지를 34개에서 74개로 확대하고 커버 정답률 100%를 유지했습니다. 사방·물매·유량 신규 유형은 22개를 커버해 22/22 정답을 확인했습니다.
핵심 기능
오답 기반 취약 영역 분석과 적응형 문제 출제
과목·세부 영역별 정답과 오답을 누적해 약한 부분을 식별하고, 해당 영역의 문제 비중을 높여 반복 학습을 유도합니다.
진행 단계
데이터셋 구축·QLoRA 학습·문제풀이 앱 개발·평가
2026.08.
산림기사 데이터 정제, EXAONE 3.5 파인튜닝, 계산형 solver 확장, 문제풀이 앱과 취약 영역 반복 출제 로직 구현, 내부 검증 순으로 진행했습니다.
프로젝트 상세
산림기사 자격시험 데이터를 활용해 도메인 특화 언어모델을 구축하고 실제 문제풀이 앱까지 개발한 프로젝트입니다. LG EXAONE 3.5 7.8B 모델을 기반으로 학습 데이터셋을 정제·구성하고, QLoRA 방식으로 Google Colab A100 환경에서 6 Epoch 파인튜닝을 수행했습니다. 파인튜닝한 모델과 계산형 solver를 산림기사 학습 앱에 연결해 문제 출제, 정답 판정, 핵심 해설과 계산 과정 제공
