이 데이터셋은 CRM 메시지 생성 모델을 위한 Direct Preference Optimization (DPO) 학습용 선호 데이터셋입니다. 각 샘플은 동일한 프롬프트에 대해 더 나은 응답(chosen) 과 덜 나은 응답(rejected) 의 쌍으로 구성되어 있습니다.

📌 Dataset Structure

각 샘플은 다음 JSON 형식을 따릅니다:

{
  "prompt": "<사용자 상황 / 페르소나 / 목표>",
  "chosen": "<더 적합한 CRM 메시지>",
  "rejected": "<덜 적합한 CRM 메시지>",
  "best_index": "<더 적합한 CRM 인덱스>",
  "rejected_index": "<덜 적합한 CRM 인덱스>",
  "reason_best": "<더 적합한 이유>",
  "reason_rejected": "<덜 적합한 이유>"
}

prompt: 사용자 맥락, 페르소나, 캠페인 목적 등을 포함

chosen: 목표(AARRR 단계, 감성 적합도 등)에 더 부합하는 응답

rejected: 상대적으로 품질이 낮거나 목적과 어긋나는 응답

🎯 Purpose

본 데이터셋은 다음 목적을 위해 설계되었습니다:

CRM 메시지 감성 적합도 향상
AARRR 단계별 메시지 품질 정렬
소형 생성 모델(≈2B)을 강한 기준 모델의 선호에 맞게 정렬
SFT 이후 단계의 alignment 학습

🧠 Generation & Labeling

응답은 사전 학습된 LLM을 사용해 생성
선호(chosen / rejected)는
- 메시지 감성
- CTA 명확성
- CRM 목적 부합도
- 사용자 관점 설득력
  
  을 기준으로 비교 평가됨

⚠️ 이 데이터셋은 offline preference dataset이며,

DPO 학습 중 외부 API 호출 없이 사용되는 것을 전제로 합니다.

🏗 Recommended Usage

Load with 🤗 Datasets


from datasets import load_dataset

dataset = load_dataset("YOUR_ID/AmoRe-crm-dpo-dataset")
train_ds = dataset["train"]

DPO Training (TRL)


from trl import DPOTrainer

prompt, chosen, rejected 컬럼명을 그대로 사용해야 합니다.
prompt + response 길이가 max_seq_length를 초과하지 않도록 주의하세요.

🔗 Related Models

Base Model : LGAI-EXAONE/EXAONE-4.0-1.2B
Training Method : DPO + LoRA (PEFT)
Framework : Hugging Face TRL

⚠️ Notes

본 데이터셋은 연구 및 실험 목적을 위해 제공됩니다.
실제 서비스 적용 시 추가적인 검증이 필요합니다.
CRM 도메인 특성상 일부 표현은 의도적으로 감성적으로 설계되었습니다.

📜 License

Apache 2.0

Downloads last month: 10

Total file size:

2.79 MB