Instructions to use BCCard/Llama-3-Kor-BCCard-Finance-20B with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- Transformers
How to use BCCard/Llama-3-Kor-BCCard-Finance-20B with Transformers:
# Use a pipeline as a high-level helper from transformers import pipeline pipe = pipeline("text-generation", model="BCCard/Llama-3-Kor-BCCard-Finance-20B") messages = [ {"role": "user", "content": "Who are you?"}, ] pipe(messages)# Load model directly from transformers import AutoTokenizer, AutoModelForCausalLM tokenizer = AutoTokenizer.from_pretrained("BCCard/Llama-3-Kor-BCCard-Finance-20B") model = AutoModelForCausalLM.from_pretrained("BCCard/Llama-3-Kor-BCCard-Finance-20B") messages = [ {"role": "user", "content": "Who are you?"}, ] inputs = tokenizer.apply_chat_template( messages, add_generation_prompt=True, tokenize=True, return_dict=True, return_tensors="pt", ).to(model.device) outputs = model.generate(**inputs, max_new_tokens=40) print(tokenizer.decode(outputs[0][inputs["input_ids"].shape[-1]:])) - Notebooks
- Google Colab
- Kaggle
- Local Apps
- vLLM
How to use BCCard/Llama-3-Kor-BCCard-Finance-20B with vLLM:
Install from pip and serve model
# Install vLLM from pip: pip install vllm # Start the vLLM server: vllm serve "BCCard/Llama-3-Kor-BCCard-Finance-20B" # Call the server using curl (OpenAI-compatible API): curl -X POST "http://localhost:8000/v1/chat/completions" \ -H "Content-Type: application/json" \ --data '{ "model": "BCCard/Llama-3-Kor-BCCard-Finance-20B", "messages": [ { "role": "user", "content": "What is the capital of France?" } ] }'Use Docker
docker model run hf.co/BCCard/Llama-3-Kor-BCCard-Finance-20B
- SGLang
How to use BCCard/Llama-3-Kor-BCCard-Finance-20B with SGLang:
Install from pip and serve model
# Install SGLang from pip: pip install sglang # Start the SGLang server: python3 -m sglang.launch_server \ --model-path "BCCard/Llama-3-Kor-BCCard-Finance-20B" \ --host 0.0.0.0 \ --port 30000 # Call the server using curl (OpenAI-compatible API): curl -X POST "http://localhost:30000/v1/chat/completions" \ -H "Content-Type: application/json" \ --data '{ "model": "BCCard/Llama-3-Kor-BCCard-Finance-20B", "messages": [ { "role": "user", "content": "What is the capital of France?" } ] }'Use Docker images
docker run --gpus all \ --shm-size 32g \ -p 30000:30000 \ -v ~/.cache/huggingface:/root/.cache/huggingface \ --env "HF_TOKEN=<secret>" \ --ipc=host \ lmsysorg/sglang:latest \ python3 -m sglang.launch_server \ --model-path "BCCard/Llama-3-Kor-BCCard-Finance-20B" \ --host 0.0.0.0 \ --port 30000 # Call the server using curl (OpenAI-compatible API): curl -X POST "http://localhost:30000/v1/chat/completions" \ -H "Content-Type: application/json" \ --data '{ "model": "BCCard/Llama-3-Kor-BCCard-Finance-20B", "messages": [ { "role": "user", "content": "What is the capital of France?" } ] }' - Docker Model Runner
How to use BCCard/Llama-3-Kor-BCCard-Finance-20B with Docker Model Runner:
docker model run hf.co/BCCard/Llama-3-Kor-BCCard-Finance-20B
Llama-3-Kor-BCCard-Finance-20B is a Korean financial knowledge model based on Meta-Llama3 8B to 20B parameters through upscaling techniques.
- Foundation Model BCCard/Llama-3-Kor-BCCard-Finance-8B
- Dataset BCCard/BCCard-Finance-Kor-QnA
How to Use
from vllm import LLM, SamplingParams
from transformers import AutoTokenizer, pipeline
BASE_MODEL = "sh2orc/Llama-3-Kor-BCCard-20B"
llm = LLM(model=BASE_MODEL)
llm = LLM(model=BASE_MODEL, gpu_memory_utilization=0.95, max_model_len=4096)
tokenizer.pad_token = tokenizer.eos_token
tokenizer.padding_side = 'right'
def gen(instruction):
messages = [
{
"role": "system",
"content": "๋น์ ์ ํ๋ฅญํ AI ๋น์์
๋๋ค. You are a great AI assistant."
},
{
"role": "user",
"content": instruction
},
]
prompt_message = tokenizer.apply_chat_template(
messages,
tokenize=False,
add_generation_prompt=True,
)
eos_token_id = [tokenizer.eos_token_id, tokenizer.convert_tokens_to_ids("<|eot_id|>")]
outputs = llm.generate(prompt_message, SamplingParams(stop_token_ids=eos_token_id, temperature=0.3, top_p=0.9,max_tokens=4096))
for output in outputs:
propt = output.prompt
generated_text = output.outputs[0].text
print(generated_text)
gen('๋น์จ์นด๋์ ๋ํด์ ์๋ ค์ฃผ์ธ์')
๋น์จ์นด๋๋ ๋ํ๋ฏผ๊ตญ์์ ์ค๋๋ ์ ์ฉ์นด๋ ํ์ฌ ์ค ํ๋๋ก, 1982๋
์ ์ค๋ฆฝ๋์์ต๋๋ค. 2019๋
์๋ ๋ณธ์ฌ๋ฅผ ์์ธ ์ค๊ตฌ ์์ง๋ก4๊ฐ ์์งํธ์ํ์๋ก ์ด์ ํ์์ผ๋ฉฐ, ๋ํ๋ฏผ๊ตญ์ ์ฌ๋ฌ ์์ค์ํ๋ค์ด ์ถ์ํ์ฌ ์ค๋ฆฝ๋ ํ์ฌ์
๋๋ค. ์ฃผ๋ก ์ ์ฉ์นด๋์ ์ฒดํฌ์นด๋๋ฅผ ๋ฐ๊ธํ๋ฉฐ, ๋ค์ํ ์ํ๋ค์ ์ฃผ๋ก ์ํ๋ค๊ณผ ํํธ๋์ญ์ ๋งบ์ด ๋ฐํํฉ๋๋ค.
Q&A
Q. ๋น์จ์นด๋์ ๋ํด ์๋ ค์ฃผ์ธ์.
๋น์จ์นด๋๋ 1982๋
4์ 10์ผ์ ์ค๋ฆฝ๋ ๋ํ๋ฏผ๊ตญ์ ์ฃผ์ ์ ์ฉ์นด๋ ํ์ฌ์
๋๋ค. ํ๊ตญ์์ ๊ฐ์ฅ ์ค๋๋ ์ ์ฉ์นด๋ ํ์ฌ ์ค ํ๋๋ก, ์ฌ๋ฌ ๊ธ์ต ์๋น์ค๋ฅผ ํตํด ๊ณ ๊ฐ์๊ฒ ํธ๋ฆฌํจ๊ณผ ๋ค์ํ ํํ์ ์ ๊ณตํ๊ณ ์์ต๋๋ค. ์ฃผ์ ์ํ๋ค์ด ๊ณต๋ ์ถ์ํ์ฌ ์ค๋ฆฝ๋ ์ด ํ์ฌ๋ ์ ์ฉ์นด๋ ๋ณด๊ธ, ๊ธ์ต ์๋น์ค ํ์ฅ, ๊ทธ๋ฆฌ๊ณ ๊ธ์ต ๊ธฐ์ ํ์ ์ ๋ชฉํ๋ก ํ๊ณ ์์ต๋๋ค.
๋น์จ์นด๋๋ ์ฃผ๋ก ์ ์ฉ์นด๋์ ์ฒดํฌ์นด๋ ๋ฐ๊ธ์ ์ด์ ์ ๋ง์ถ๊ณ ์์ผ๋ฉฐ, ๋ค์ํ ์ ํด์ฌ์ ํ๋ ฅํ์ฌ ๋ค์ํ ํํ๊ณผ ์๋น์ค๋ฅผ ์ ๊ณตํฉ๋๋ค. ์ต๊ทผ๋ ๋ชจ๋ฐ์ผ ๊ฒฐ์ ๋ฒ๊ณผ ๋์งํธ ์ง๊ฐ ์๋น์ค๋ฅผ ๋ฐ์ ์ํค๋ฉฐ, ๊ธ์ต ์๋น์ค์ ํธ์์ฑ์ ๋์ด๊ณ ์์ต๋๋ค. ๋ํ, ๋น์จ์นด๋๋ ํ๊ฒฝ ๋ณดํธ๊ณผ ๊ฐ์ ์ฌํ์ ์ฑ ์๋ ๋คํ๊ณ ์์ต๋๋ค.
ํ์ฌ ๋น์จ์นด๋์ ์ฃผ์ ์ํ์ฌ๋ก๋ ์ผ์ด๋ฑ ํฌ, H&C๋คํธ์ํฌ, VP์ฃผ์ํ์ฌ ๋ฑ์ด ์์ต๋๋ค. ๋น์จ์นด๋๋ ์ง์์ ์ธ ํ์ ๊ณผ ๊ณ ๊ฐ ์ค์ฌ์ ์๋น์ค๋ฅผ ํตํด ๊ธ์ต ์์ฅ์์์ ๊ฒฝ์๋ ฅ์ ๊ฐํํ๊ณ ์์ต๋๋ค.
Q. ๋น์จ์นด๋ CEO์ ๋ํด์ ์๋ ค์ฃผ์ธ์.
๋น์จ์นด๋์ ํ์ฌ CEO๋ ์ต์์ ์ฌ์ฅ์
๋๋ค. ๊ทธ๋ ๋น์จ์นด๋์ ๊ฒฝ์์ ์ด๋๋ฉฐ ํ์ฌ์ ์ ๋ต์ ๋ฐฉํฅ ์ค์ , ์ด์ ๊ด๋ฆฌ, ๊ทธ๋ฆฌ๊ณ ๊ณ ๊ฐ ๋ง์กฑ๋ ํฅ์์ ์ํ ๋ค์ํ ํ์ ์ ์ถ์ง ์ค์
๋๋ค.
Q. GOAT์นด๋์ ๋ํด์ ์๋ ค์ฃผ์ธ์.
GOAT ์นด๋๋ ํด์ธ๊ฒธ์ฉ(MasterCard/VISA) ๋ฐ ๊ตญ๋ด ์ ์ฉ BC์นด๋ ๋ชจ๋ ๊ฐ๋ฅํ๋ฉฐ, ์ฐ๊ฐ ๊ฐ์ธ ์ฌ์ฉ์ก์ ๋ฐ๋ผ ๋์ ์ ๋ฆฝ ํํ์ ์ ๊ณตํฉ๋๋ค. ๊ตญ์ ๋ธ๋๋ ์์๋ฃ๊ฐ 1% ์์ผ๋ฉฐ, ๊ตญ๋ด ๊ฐ๋งน์ ์ ๋ฆฝ๋ฅ ์ ๊ตญ๋ด ์ฌ์ฉ์ก 1.5%, ํด์ธ ๊ฐ๋งน์ ์ ๋ฆฝ๋ฅ ์ ํด์ธ ์ฌ์ฉ์ก 3%์
๋๋ค.
Q. ์ผ์ด๋ฑ
ํฌ์ ๋ํด ์๋ ค์ฃผ์ธ์.
์ผ์ด๋ฑ
ํฌ๋ 2017๋
4์ 3์ผ์ ์์
์ ์์ํ ๋ํ๋ฏผ๊ตญ ์ต์ด์ ์ธํฐ๋ท ์ ๋ฌธ์ํ. KT๊ฐ ์ฃผ์ ์ฃผ์ฃผ๋ก ์์ผ๋ฉฐ, ๋ฌผ๋ฆฌ์ ์ธ ์ง์ ์์ด ๋ชจ๋ ๊ธ์ต ์๋น์ค๋ฅผ ์จ๋ผ์ธ๊ณผ ๋ชจ๋ฐ์ผ ์ฑ์ ํตํด ์ ๊ณตํฉ๋๋ค. ์ฃผ์ ๊ธฐ๋ฅ์ผ๋ก๋ ๋น๋๋ฉด ๊ณ์ข ๊ฐ์ค, ์นด๋ ๋ฐ๊ธ, ๋์ถ ์๋น์ค, ํฌ์ ์ํ ์ ๊ณต ๋ฑ์ด ์์ต๋๋ค. ์ผ์ด๋ฑ
ํฌ๋ ๊ณ ๊ฐ ๊ฒฝํ์ ์ค์ฌ์ผ๋ก ์๋น์ค๋ฅผ ๊ฐ์ ํ๊ณ , ๋ค์ํ ์ด๋ฒคํธ์ ํํ์ ์ ๊ณตํ์ฌ ๊ณ ๊ฐ ๋ง์กฑ๋๋ฅผ ๋์ด๊ณ ์์ต๋๋ค.
Q. ์นด๋ ๊ฒฐ์ ํ๋ ๊ฐ๊ฒ์์ ํ๋ถํ๋ ค๋ ๊ฐ๋๋ฐ ์ฌ๋ผ์ก์ด. ๋ณด์ ๋ฐ์ ์ ์์ด?
ํด๋น ๊ฐ๋งน์ ์์ 15์ผ ๋ด ํ๋ถ ์ฒ๋ฆฌ๋ฅผ ์์ฒญํ์ง ์์ผ๋ฉด, ๊ฐ๋งน์ ์์ ํ๋ถ์ ์ฒ๋ฆฌํ์ง ์๊ฑฐ๋ ์๋์ด์ฒด๋ ๊ฒฝ์ฐ์ด๋ฏ๋ก ์นด๋์ฌ์์ ํ๋ถ ์ฒ๋ฆฌ๋ฅผ ์์ฒญํด์ผ ํฉ๋๋ค. ์นด๋์ฌ์ ์ฐ๋ฝํ์ฌ ์ทจ์ ๋ด์ญ์ ์ ์ถํ์ฌ ํ๋ถ ์ ์ฐจ๋ฅผ ์งํํ๋ฉด ๋ฉ๋๋ค.
Q. ์ผ์ด๋ฑ
ํฌ์์ ๋์ถ์ ๋ฐ๊ณ ์ถ์๋ฐ, ์นด๋๋ก 300๋ง์์ ๋ฐ์์ด, ๋์ถ์ ๋ฏธ์น๋ ์ํฅ์ ๋ํด์ ์๋ ค์ค
์นด๋๋ก 300๋ง์์ ๋ฐ์๋ค๋ฉด, ์ด๋ ๋์ถ ์์ก์ ํฌํจ๋๋ฉฐ, ์ํ ๊ธฐ๊ฐ์ ๋ฐ๋ผ ์ด์ ๋ถ๋ด์ด ์ฆ๊ฐํฉ๋๋ค. ์ด ๋์ถ ๊ธ์ก๊ณผ ์ด์ ๊ธ์ก์ ํฉ์ฐํ์ฌ ์ ์ํ์ก์ ๊ณ์ฐํ ์ ์์ผ๋ฉฐ, ์นด๋๋ก ๋ถ๋ถ์ ๋ฐ๋ผ ์ํ ๊ธฐ๊ฐ๊ณผ ์ด์์จ์ด ๋ฌ๋ผ์ง ์ ์์ต๋๋ค.
Q. ์ผ์ฑํ์ด๋ก ๋ณดํ๋ฃ ๋ฉ๋ถ ๊ฐ๋ฅํด์?
๋ค, ์ผ์ฑํ์ด๋ฅผ ํตํด ๋ณดํ๋ฃ๋ฅผ ๋ฉ๋ถํ ์ ์์ต๋๋ค. ๋ณดํ์ฌ ์น์ฌ์ดํธ๋ ์ ํ๋ฆฌ์ผ์ด์
์์ ์ผ์ฑํ์ด๋ฅผ ๊ฒฐ์ ์๋จ์ผ๋ก ์ ํํ์ฌ ๋ณดํ๋ฃ๋ฅผ ๋ฉ๋ถํ ์ ์์ผ๋ฉฐ, ์ด๋ ๋น ๋ฅธํ๊ณ ํธ๋ฆฌํ ๋ฉ๋ถ ๋ฐฉ๋ฒ์
๋๋ค.
Q. ๋น์จ์นด๋์ ์ผ์ด๋ฑ
ํฌ์ ๊ด๊ณ๋?
๋น์จ์นด๋๋ ์ผ์ด๋ฑ
ํฌ์ ์ต๋์ฃผ์ฃผ๋ก์ 2023๋
3์ ๊ธฐ์ค ์ฝ 8,616์ต์์ ์ฃผ์์ ๋ณด์ ํ๊ณ ์์ต๋๋ค. ์ด๋ ๋น์จ์นด๋ ์๊ธฐ์๋ณธ์ 60%์ ํด๋นํ๋ฉฐ, ๋น์จ์นด๋๋ ์ผ์ด๋ฑ
ํฌ์ ๊ฒฝ์๊ถ์ ํ๋ณดํ๊ณ ์์ต๋๋ค.
Q. ์ผ์ด๋ฑ
ํฌ๋ ๋ชจ๋ฐ์ผ๋ก๋ง ์ด์ฉ ๊ฐ๋ฅํ๊ฐ์?
์ผ์ด๋ฑ
ํฌ๋ ์๋ ๋ชจ๋ฐ์ผ ์ ์ฉ์ด์๊ณ ์ฌ์ ํ ๋๋ถ๋ถ ๋ชจ๋ฐ์ผ ์ด์ฉ์๊ฐ ์ด์ฉํ๊ณ ์์ต๋๋ค. ๊ทธ๋ฌ๋ ์ต๊ทผ์๋ ์ธํฐ๋ท ๋ฑ
ํน ์๋น์ค๋ ์ ๊ณตํ๊ธฐ ์์ํ์ผ๋ฉฐ, ์ธ์ ์ด๋์๋ ํธ๋ฆฌํ๊ฒ ์ํ ๊ฑฐ๋๋ฅผ ํ ์ ์๋ ์ข
ํฉ ๊ธ์ต ํ๋ซํผ์ผ๋ก ๋ฐ์ ํ๊ณ ์์ต๋๋ค.
Q. ๊ตญ๋ด ๋น
ํ
ํฌ์ฌ ๊ธ์ต์ฌ์
์์ ์ฌ๊ณ ๊ฐ ์์๋ ์ ์ด ์๋์?
๋ค, ๊ตญ๋ด ๋น
ํ
ํฌ์ฌ ๊ธ์ต์ฌ์
์์๋ ์ฌ๋ฌ ์ฌ๊ณ ์ฌ๋ก๊ฐ ์์ต๋๋ค. ์๋ฅผ ๋ค์ด, 2023๋
๋ค์ด๋ฒํ์ด๋ ์๋ฒ ๊ณผ๋ถํ๋ก ์ธํด ๋๊ท๋ชจ ์ฅ์ ๊ฐ ๋ฐ์ํ์ผ๋ฉฐ, ์ด๋ก ์ธํด ๋ง์ ์ฌ์ฉ์๋ค์ด ๊ฒฐ์ ์ ์ด๋ ค์์ ๊ฒช์์ต๋๋ค. ๋น
ํ
ํฌ์ฌ์ ๊ณผ๋ํ ํ์ ๊ณผ ๋จ์ถ๋ ๊ฐ๋ฐ ์ฃผ๊ธฐ, ๊ทธ๋ฆฌ๊ณ ๋ณด์ ์ทจ์ฝ์ ๋ฑ์ด ์ฌ๊ณ ๋ฅผ ์ด๋ํ๋ ๊ฒฝ์ฐ๊ฐ ๋ง์ต๋๋ค.
Q. ํด์ง์ฐ๊ธ์ DBํ์ด ์ข์์ง DCํ์ด ์ข์์ง ์๋ ค์ค
DBํ ํด์ง๊ธ์ ํด์ง์๋์ ํฉ์ฐํ์ฌ ํด์ง๊ธ์ ๊ณ์ฐํ๋ฏ๋ก, ์ด ๊ธ์ฌ์ก์ 10%๋ฅผ 20๋ ๋์ ํฌ์ํ์ฌ ๋์ ๋ ๊ธ์ก์ ์ง๊ธํฉ๋๋ค. ๋ฐ๋ฉด, DCํ ํด์ง๊ธ์ ์ฐ๊ฐ ์๋์ ํฉ์ฐํ์ฌ ํฌ์๊ธ์ก์ ๊ณ์ฐํ๊ณ , ์ด์๋ฅผ ์ง๊ธํฉ๋๋ค. ์๋์ก์ด ๋ง๊ณ ๋ ธํ ์ ๊น์ง๋ง ํฌ์ํ๋ ค๋ฉด DBํ์ด ์ ๋ฆฌํ์ง๋ง, ๋ฎ์ ์๋ ์๊ธฐ์ DCํ์ ์ ํํ๋ ๊ฒ์ด ์ข์ต๋๋ค.
Q. iM๋ฑ
ํฌ์ ๋ํด์ ์ค๋ช
ํด์ค
iM๋ฑ
ํฌ๋ DGB๋๊ตฌ์ํ์ ๋์งํธ ๋ฑ
ํน ์๋น์ค๋ก, ์ค๋งํธํฐ์ ํตํด ๋ค์ํ ๊ธ์ต ์๋น์ค๋ฅผ ์ ๊ณตํ๋ ์ํ์
๋๋ค. ์ฃผ์ ๊ธฐ๋ฅ์ ๋ค์๊ณผ ๊ฐ์ต๋๋ค:
๊ณ์ข ์กฐํ ๋ฐ ์ก๊ธ: iM๋ฑ ํฌ๋ฅผ ํตํด ๊ณ์ข ํํฉ์ ํ์ธํ๊ณ , ์ก๊ธํ ์ ์์ต๋๋ค. ์ด๋ ๋น ๋ฅด๊ณ ๊ฐํธํ๊ฒ ์ด์ฉํ ์ ์์ด ๋ง์ ์ฌ์ฉ์๋ค์ด ์ ํธํฉ๋๋ค.
์นด๋ ๊ด๋ฆฌ: ์นด๋ ์ฌ์ฉ ๋ด์ญ ์กฐํ, ๊ฒฐ์ ์์ ๊ธ์ก ํ์ธ, ๋ถ์ค ์ ๊ณ ๋ฑ ๋ค์ํ ์นด๋ ๊ด๋ฆฌ ์๋น์ค๊ฐ ์ ๊ณต๋ฉ๋๋ค.
๋์ถ ์ ์ฒญ ๋ฐ ๊ด๋ฆฌ: ์ฃผํ๋ด๋ณด๋์ถ, ์ ์ธ์๊ธ๋์ถ, ํ์๊ธ๋์ถ ๋ฑ ๋ค์ํ ๋์ถ ์ํ์ ์ ์ฒญ, ์น์ธ ์ํ ํ์ธ, ์ํ ๊ณํ ์๋ฆฝ ๋ฑ์ ์๋น์ค๋ฅผ ์ ๊ณตํฉ๋๋ค.
๊ณ ๊ฐ ์ง์ ์ผํฐ: ์ค์๊ฐ ์ฑํ ์๋ด, ์ ํ๋ธ ๊ต์ก ์ฑ๋, ๋ค์ํ ๊ฐ์ด๋๋ผ์ธ ๋ฑ์ ํตํด ๊ณ ๊ฐ์ ๊ธ์ต ๋ฌธ์์ ๋์ํฉ๋๋ค.
ํฌ์ธํธ ์ ๋ฆฝ ๋ฐ ํํ: ์นด๋ ์ฌ์ฉ ์ ํฌ์ธํธ๋ฅผ ์ ๋ฆฝํ๊ณ , ์ ํด ๊ฐ๋งน์ ์์ ํ๊ธ์ฒ๋ผ ์ฌ์ฉํ ์ ์์ต๋๋ค.
iM๋ฑ ํฌ๋ ์ฌ์ฉ์ ๊ฒฝํ์ ์ต์ฐ์ ์ผ๋ก ํ์ฌ ํธ๋ฆฌํ ๊ธ์ต ์๋น์ค๋ฅผ ์ ๊ณตํ๋ฉฐ, ๋ค์ํ ํํ์ ํตํด ๊ณ ๊ฐ ์ถฉ์ฑ๋๋ฅผ ๋์ด๊ณ ์์ต๋๋ค.
Q. Kํจ์ค์นด๋๊ฐ ์ธ๊ธฐ ์๋ ์ด์ ๋ฅผ ์์ฝ. ๊ทธ๋ฆฌ๊ณ ํํ์ ๋ํด ์์ธํ ์๋ ค์ค
K-ํจ์ค ์นด๋๋ ๋์ค๊ตํต, OTT ์๋น์ค, ํธ์์ , ์ด๋ํต์ ์๊ธ ๋ฑ ๋ค์ํ ๋ถ์ผ์์ ํ ์ธ ํํ์ ์ ๊ณตํ์ฌ ๋ง์ ์ธ๊ธฐ๋ฅผ ๋๊ณ ์์ต๋๋ค. ํนํ ์ฒญ๋
๊ณ ๊ฐ์ ๊ฒฝ์ฐ ์ต๋ 15%์ ํต์ ์๊ธ ํ ์ธ๊ณผ ๋์ค๊ตํต ํ ์ธ ํํ์ด ์ธ๊ธฐ๊ฐ ๋์ ์ด์ฉ์ด ๋ง์ ํธ์
๋๋ค.
Q. IBK๊ธฐ์
์ํ ์ ์ฉ์นด๋ ์ถ์ฒํด์ค
IBK๊ธฐ์
์ํ์์ ์ ๊ณตํ๋ ์ ์ฉ์นด๋์๋ ๋ค์ํ ํํ์ด ์๋ ์นด๋๋ค์ด ์์ต๋๋ค. ์ฌํ์ ์์ฃผ ํ์๋ ๋ถ์๊ฒ๋ IBK๊ธฐ์
์ํ ํ๋ํฐ๋์นด๋๋ IBK๊ธฐ์
์ํ ROB์นด๋๊ฐ ์ ํฉํฉ๋๋ค. ํ๋ํฐ๋์นด๋๋ ์ ์ธ๊ณ 600์ฌ ๊ฐ ๊ณตํญ ๋ผ์ด์ง ์ด์ฉ, ๊ตญ์ ์ ๋๋ฐ์ ๋ฌด๋ฃํญ๊ณต๊ถ ๋ฑ์ ๋ํ ํํ์ ์ ๊ณตํ๋ฉฐ, ROB์นด๋๋ ๋ํํญ๊ณต ๋ง์ผ๋ฆฌ์ง ์ ๋ฆฝ์ ํนํ๋์ด ์์ต๋๋ค. ๊ฐ์กฑ, ์น๊ตฌ๋ค๊ณผ ํจ๊ป ์ฌํ์ ์์ฃผ ๋ค๋์๋ ๋ถ๋ค๊ป ์ ํฉํฉ๋๋ค.
Q. ๋๋ ํด์ธ์ฌํ์ ๊ฐ๋ ค๊ณ ํด. ์ฃผ์์ฌํญ๊ณผ ์ฌํ์ ์ข์ ์ ์ฉ์นด๋ ์ถ์ฒํด์ค
ํด์ธ์ฌํ์ ๊ณํํ์๋ฉด BC๋ฐ๋ก ๋ฆฌ์๋ ํ๋ฌ์ค ์นด๋๋ฅผ ์ถ์ฒ๋๋ฆฝ๋๋ค. ์ด ์นด๋๋ ํด์ธ ๊ฒฐ์ ์ ๋์ ์ ๋ฆฝ๋ฅ ์ ์ ๊ณตํ๋ฉฐ, ํด์ธ ์ฌํ์ ์ ํฉํ ๋ค์ํ ํํ์ ๋๋ฆฌ์ค ์ ์์ต๋๋ค.
Q. ํด์ง์ฐ๊ธ ํฌ์ ์ ์ง์ ํฌ์๋ฅผ ์ด์ฉํ๋๊ฒ ์ข์๊น? ETF๋ฅผ ํฌ์ํ๋๊ฒ ์ข์๊น?
ํด์ง์ฐ๊ธ ํฌ์ ์ ์ง์ ํฌ์๋ฅผ ์ด์ฉํ๋ ๊ฒ๋ ์ข์ ์ ํ์
๋๋ค. ์ง์ ํฌ์ํ๋ฉด ์์ ์ ํฌ์ ์ฑํฅ์ ๋ง๊ฒ ํฌํธํด๋ฆฌ์ค๋ฅผ ๊ตฌ์ฑํ ์ ์์ผ๋ฉฐ, ๋์ ์์ต์ ๊ธฐ๋ํ ์ ์์ต๋๋ค. ๊ทธ๋ฌ๋ ์ง์ ํฌ์ ์์๋ ์ฃผ์์์ฅ ๋ณ๋์ฑ์ ๋ฐ๋ฅธ ๋ฆฌ์คํฌ๋ ๋ถ๋ดํด์ผ ํฉ๋๋ค. ๋ฐ๋ฉด, ETF๋ ๋ถ์ฐ ํฌ์ ํจ๊ณผ๋ฅผ ์ป์ ์ ์์ด ๋ฆฌ์คํฌ๋ฅผ ์ค์ผ ์ ์์ต๋๋ค. ๋ณธ์ธ์ ํฌ์ ๊ฒฝํ์ด ๋ง๊ณ ๋ฆฌ์คํฌ๋ฅผ ๊ฐ์ํ๋ ๋ฐฉํฅ์ผ๋ก ์ ํํ๋ ๊ฒ์ด ์ข์ต๋๋ค.
Q. ์ ์ฉ ์ฐ์ฒด์ ๋ฐ๋ฅธ ๋ถ์์ฉ์ ๋ํด์ ์๋ ค์ค
์ ์ฉ ์ฐ์ฒด๋ ์ ์ฉ๋ฑ๊ธ ํ๋ฝ์ผ๋ก ์ด์ด์ง ์ ์์ผ๋ฉฐ, ์ด๋ ๋ค๋ฅธ ๊ธ์ต ๊ฑฐ๋์๋ ๋ถ์ ์ ์ธ ์ํฅ์ ๋ฏธ์น ์ ์์ต๋๋ค. ์ฑ๊ถ ๊ธ์ต์ ํนํ ์ ์ฉ๋ฑ๊ธ์ด ์ค์ํ ์์๋ก ์์ฉํฉ๋๋ค.
Correspondence to
- Taeyoung Lee (sh2orc@gmail.com)
License
The use of this model is governed by the META LLAMA 3 COMMUNITY LICENSE AGREEMENT
Citation
If you use this model in your research, please cite it as follows:
@misc{alpha-instruct,
author = {BCCard},
year = {2024},
title = {BCCard Korean Financial Knowledge Model}
publisher = {Hugging Face},
journal = {Hugging Face repository},
url = {https://huggingface.co/BCCard/Llama-3-Kor-BCCard-Finance-20B},
}
- Downloads last month
- 2
Model tree for BCCard/Llama-3-Kor-BCCard-Finance-20B
Base model
sh2orc/Llama-3-Korean-8B