sonsdf/k-ifrs-qa-dataset

K-IFRS QA Dataset

한국채택국제회계기준(K-IFRS) 기반의 오픈소스 QA 데이터셋입니다.
LLM 파인튜닝(SFT), RAG 시스템 구축, 회계 도메인 벤치마크 평가 등 다양한 목적에 활용할 수 있도록 설계되었습니다.

기준 연도: 본 데이터셋은 2026년 5월 24일자 K-IFRS 기준으로 작성되었습니다.
회계기준은 지속적으로 개정되므로, 사용 시 기준 연도를 반드시 확인하시기 바랍니다.

---

데이터셋 개요

항목	내용
총 데이터 수	34,418개
Train 분할	약 30,976개 (90%)
Validation 분할	약 3,442개 (10%)
언어	한국어
형식	Instruction-Input-Output (Alpaca 형식)
기준	K-IFRS (2026년 5월 24일자)
라이선스	CC BY-NC-SA 4.0

---

데이터 구조 (Data Fields)

각 데이터는 아래 세 가지 필드로 구성된 JSON Lines 형식입니다.

{
  "instruction": "재고자산을 순실현 가능 가치로 감액하는 저가법은 어떻게 적용해야 합니까?",
  "input": "",
  "output": "재고자산을 순실현 가능 가치로 감액하는 저가법은 항목별로 적용해야 하지만, 유사하거나 관련된 항목들을 통합하여 적용할 수 있는 경우도 있습니다."
}

필드	타입	설명
instruction	string	K-IFRS 관련 질문 (평균 43.7자)
input	string	추가 맥락 정보 (현재 전부 빈 값, 향후 확장 예정)
output	string	질문에 대한 답변 (평균 66.0자)

---

구축 방법론 (Data Collection)

• 원천 데이터: 금융위원회 · 한국회계기준원이 공시한 K-IFRS 기준서 원문
• 생성 방식: GPT 계열 LLM을 활용한 데이터 증강(Data Augmentation) 후, 중복 제거 및 품질 필터링 적용
• 커버리지: 개념체계, 재무제표 표시, 금융상품, 리스, 수익 인식, 사업결합 등 K-IFRS 전 영역 포괄
• 품질 지표:
  • 빈 값(instruction/output): 0건
  • 중복 항목: 95건 (전체의 0.3%, 실질적 영향 없음)
  • 응답 길이 분포: 98% 이상이 30~200자 구간

---

주요 토픽 커버리지

키워드	출현 건수	비율
자산	7,006	20.4%
부채	3,530	10.3%
IFRS	4,003	11.6%
회계기준	2,877	8.4%
공시	2,536	7.4%
재무제표	2,393	7.0%
수익	1,607	4.7%
금융상품	1,280	3.7%
리스	1,236	3.6%

---

사용 방법

기본 로드

from datasets import load_dataset

dataset = load_dataset("sonsdf/k-ifrs-qa-dataset")
print(dataset)
# DatasetDict({
#     train: Dataset({
#         features: ['instruction', 'input', 'output'],
#         num_rows: 34418
#     })
# })

파인튜닝 예시 (Alpaca 포맷 변환)

def format_prompt(example):
    if example["input"]:
        return (
            f"### Instruction:\n{example['instruction']}\n\n"
            f"### Input:\n{example['input']}\n\n"
            f"### Response:\n{example['output']}"
        )
    return (
        f"### Instruction:\n{example['instruction']}\n\n"
        f"### Response:\n{example['output']}"
    )

dataset = dataset.map(lambda x: {"text": format_prompt(x)})

LoRA / QLoRA 파인튜닝 (Unsloth 예시)

from unsloth import FastLanguageModel

model, tokenizer = FastLanguageModel.from_pretrained(
    model_name="unsloth/Meta-Llama-3-8B-Instruct",
    max_seq_length=2048,
    load_in_4bit=True,
)

# 학습 데이터로 k-ifrs-qa-dataset 활용
dataset = load_dataset("sonsdf/k-ifrs-qa-dataset")

---

활용 시나리오

1. LLM 파인튜닝 (SFT)

Llama-3-8B, Gemma-2-9B, EXAONE 등 오픈소스 모델에 LoRA / QLoRA 방식으로 K-IFRS 도메인 특화 파인튜닝에 바로 활용 가능합니다.

2. RAG 시스템 구축

질문(instruction)과 답변(output) 쌍을 벡터 DB에 인덱싱하여 K-IFRS 전문 검색 증강 생성(RAG) 시스템의 지식베이스로 활용할 수 있습니다.

3. 벤치마크 평가

Validation 분할을 활용하여 K-IFRS 도메인에서 LLM의 정확도 · 유창성을 평가하는 벤치마크 데이터셋으로 사용 가능합니다.

---

주의사항 및 한계 (Limitations & Disclaimer)

• 본 데이터셋은 2026년 5월 24일자 K-IFRS 기준서를 기반으로 구축되었으며, 이후 개정된 기준은 반영되지 않습니다.
• LLM 데이터 증강 과정에서 생성된 답변이 포함되어 있으므로, 실무적인 세무·회계 판단이나 법적 책임의 근거로 사용할 수 없습니다.
• 구체적인 회계 처리는 반드시 공인회계사 또는 관련 전문가에게 문의하시기 바랍니다.
• K-IFRS 원문 저작권은 한국회계기준원에 있으며, 본 데이터셋은 교육·연구 목적으로 구축되었습니다.

---

라이선스

본 데이터셋은 Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) 라이선스를 따릅니다.

• 출처 표시 필수 (BY)
• 비상업적 이용만 허용 (NC)
• 동일 조건 변경 허락 (SA)