Banking77 테스트 세트에서 94.42% 정확도 달성: LLM 없는 경량 시스템의 성과

작성자의 성과에 대해 긍정적인 반응이며, LLM을 사용하지 않은 효율적인 접근 방식에 대한 관심이 높다.

• 거대 모델 도입 전 경량 임베딩과 리랭킹 조합의 성능을 먼저 검토하여 비용과 자원을 절약할 수 있다.
• Seed AutoArch와 같은 프레임워크를 활용해 아키텍처를 최적화하면 SOTA급 성능 도달이 가능하다.

• Banking77 데이터셋에서 LLM 없이 경량 임베딩과 리랭킹만으로 94.42%의 높은 정확도를 달성했다.
• 추론 속도 225ms, 메모리 68 MiB 수준의 효율적인 시스템으로 실무 환경에서의 활용 가치가 높다.
• 거대 모델을 사용하지 않고도 정교한 검색 및 재순위화 전략을 통해 SOTA에 근접한 성능을 낼 수 있음을 확인했다.