LGUplus_persona_4task_sft_v2

LG U+ 페르소나 350M(ternary QAT) 모델의 rolling 기반 SFT 학습 데이터 (v1의 rolling 버전). 각 행 = {task, prompt, completion}. 학습 시 loss는 completion(<|gen|> 뒤 + <|im_end|>)에만.

v1(LGUplus_persona_4task_sft)과의 차이:

• 일일(day)+주간(week) 페르소나 태스크를 rolling 페르소나 갱신 태스크 하나(persona)로 통합 → 4태스크 → 3태스크.
• 추천(chan)·키워드(kw)의 페르소나 컨텍스트를 주간+직전일 대신 전일까지 갱신된 rolling 페르소나 텍스트로 대체.

3태스크

task	토큰	입력(prompt)	출력(completion)
persona	<|persona|>	[이전 페르소나] + [오늘 시청 기록]	갱신된 페르소나 텍스트([장기 성향]+[최근 성향]+[시청 프로그램] 표)
chan	<|chan|>	rolling 페르소나 + 최근2h 시청 + 후보채널(20개, 유니버스 distractor로 증강·셔플)	{"channels":[≤5]}
kw	<|kw|>	rolling 페르소나 + 후보키워드(≥2) [최근시청 미포함]	{"keyword":"top1"}

구성 (서브샘플: persona 전량, chan/kw 각 100,000)

• data/train.jsonl (399,238) : persona 199,238 + chan 100,000 + kw 100,000
• data/val.jsonl (5,997) : persona 1,997 + chan 2,000 + kw 2,000

chan은 후보채널≥2, kw는 후보키워드≥2(실제 리랭크)만 포함. 라벨은 항상 후보의 부분집합(검증됨).

스키마

{"task": "chan",
 "prompt": "<|startoftext|><|chan|>[페르소나]\n[장기 성향]...\n[최근 성향]...\n[시청 프로그램]...\n최근:...\n후보채널:KBS2,...<|gen|>",
 "completion": "{\"channels\":[\"KBS2\",...]}<|im_end|>"}

원천 데이터셋 (rolling)

• jungsanghyun/lgu-rolling-persona-aug — persona 태스크 (시기 다양성 증강본). [주요 시청 프로그램] 표는 최근 7일 미시청 프로그램을 드랍 보정(원본은 안 본 프로그램도 계속 '상승'으로 유지되는 문제가 있어 후처리; persona_table_fix.py). 입력 [이전 페르소나]는 원본 유지 → "입력에 stale 있어도 출력에서 드랍" 학습.
• HBKenerzai/LGUplus_recommendation_top5_rolling — 프로그램 top5 → 채널 dedup 변환(chan)
• HBKenerzai/LGUplus_keyword_rerank_top1_rolling — 키워드 top1(kw)

주차: wk0=5/316/6, wk1=6/713, wk2=6/14~20 (연속 3주). chan/kw의 페르소나 컨텍스트는 각 행 persona_date(전일까지 갱신) 스냅샷.