Choose a default theme

You can change your theme from the menu

지도 미세조정

지도 미세조정은 이미 학습한 모델에 지시·응답 등 목표 예시를 제공해 추가로 학습하는 방법입니다. 프롬프트에 예시를 넣는 문맥 학습과 달리 별도의 학습으로 매개변수를 조정합니다.

다른 이름: SFT · Supervised Fine-tuning


이미 배운 모델을 예시로 더 학습합니다

SFT는 미리 학습된 모델에 지시와 바람직한 응답 등의 예시를 제공해 추가로 학습하는 방식입니다. 어떤 입력에 어떤 응답을 내도록 할지 구체적인 사례를 통해 조정합니다.

예를 들어 영업시간 질문에는 확인된 시간만 답하고, 모르는 내용은 확인이 필요하다고 말하는 예시를 만들 수 있습니다. 예시의 품질·범위·형식이 중요하며 같은 문구만 반복하는 자료로 다양한 상황을 모두 가르칠 수는 없습니다.


프롬프트에 예시를 넣는 것과 구별합니다

현재 질문 앞에 좋은 답변 두 개를 붙이면 모델은 그 예시를 문맥으로 참고할 수 있습니다. 일반적인 추론이라면 가중치는 바뀌지 않습니다.

SFT는 별도의 학습 절차로 매개변수를 조정합니다. 문맥에 예시를 주는 방법과 학습 데이터로 예시를 쓰는 방법은 겉으로 비슷해 보여도 저장되는 곳과 적용 방식이 다릅니다.


필요한 행동과 사실을 따로 평가합니다

말투가 좋아졌다고 사실도 모두 맞는 것은 아닙니다. 학습 예시에 없던 질문, 잘못된 전제를 담은 질문, 답할 근거가 없는 질문 등을 따로 평가해야 합니다.

매일 달라지는 재고나 공지처럼 빠르게 바뀌는 정보는 미세조정만으로 관리하기 어려울 수 있습니다. 검색이나 데이터 조회를 연결하는 선택지도 있습니다. 목표에 맞게 방법을 고르는 것이 핵심입니다.


예시와 비교

방법

일반적으로 무엇이 달라지나요?

현재 프롬프트에 예시 추가

이번 입력 문맥

SFT

학습으로 모델 매개변수 조정

RAG

검색한 자료를 입력 문맥에 제공

평가

변경 전후 실제 결과 비교



주의할 해석

미세조정은 모델 안의 사실 한 항목을 데이터베이스처럼 정확히 교체하는 작업과 같지 않습니다.


추가 설명

전체 매개변수를 바꾸는 대신 일부 추가 매개변수 등을 학습하는 PEFT 방식도 있습니다. LoRA는 저랭크 행렬을 이용한 대표적인 접근입니다. 구체적인 비용과 효과는 설정과 작업에 따라 달라집니다.



출처와 더 읽을 자료

Ouyang 외 — Training language models to follow instructions with human feedback (2022) — SFT·사람의 응답 비교·RLHF · 확인 2026-10-29

Hugging Face TRL — SFT Trainer — 지도 미세조정 · 확인 2026-10-29

Hu 외 — LoRA (2021) — 일부 추가 저랭크 매개변수의 학습 · 확인 2026-10-29