privacy-counsel-ko-8b/README.md

---
language:
- ko
tags:
- legal
- privacy
- korean-law
- pipa
- isms-p
- qwen
- sft
- consulting
- lora
- peft
license: apache-2.0
base_model: Qwen/Qwen3-8B
datasets:
- custom
metrics:
- custom
pipeline_tag: text-generation
library_name: transformers
model-index:
- name: privacy-counsel-ko-8b
  results:
  - task:
      type: text-generation
      name: PIPA Consulting Q&A (5-Axis Structured)
    dataset:
      type: custom
      name: Internal Gold Set (150 questions)
    metrics:
    - type: custom
      name: Total Score (0-15, 5-axis)
      value: 14.38
    - type: custom
      name: Structure (0-3)
      value: 2.96
    - type: custom
      name: Legal Articles (0-3)
      value: 2.66
    - type: custom
      name: Internal Structure (0-3)
      value: 2.95
    - type: custom
      name: Practical Measures (0-3)
      value: 2.93
    - type: custom
      name: Expression Quality (0-3)
      value: 2.87
    - type: custom
      name: Gold Pass Rate
      value: 0.96
---

# privacy-counsel-ko-8b (v4-rebalanced)

> Korean PIPA (Personal Information Protection Act) consulting LoRA adapter for Qwen3-8B, trained on 9,009 curated legal Q&A samples with 5-stage validation pipeline.

한국 **개인정보 보호법(PIPA)** 실무 Q&A에 최적화된 Qwen3-8B 기반 LoRA 파인튜닝 모델입니다.
답변은 `[판단] → [법적 근거] → [실무 조치] → [추가확인질문]` 4단 구조를 따르며,
[법적 근거] 내부에 `원칙 → 조건(트리거) → 예외` 3단 구조를 사용합니다.

> **Best config:** `temperature=0.5`, `repetition_penalty=1.0`
> **Score:** **14.38 / 15** (5축), **Gold 144/150** (96.0%)
> **Evaluation:** 2026-02-27 · 150-question gold set · 5-axis scoring v2.1

---

## 주요 특징

* **Qwen3-8B** 기반 LoRA SFT (r=64, α=128, 7개 target modules)
* **개인정보보호법 특화**: 9,009건 한국어 법률 Q&A 데이터로 학습 (품질 기반 리밸런싱)
* **5단 자동 검증 파이프라인**: 구조/조문/수치/금지패턴/도메인격리 자동 검수
* **원칙-조건-예외 3단 구조**: 법적 판단의 조건부 뉘앙스를 체계적으로 전달
* **상용 API 대비 압도적 우위**: GPT-4o(7.99) 대비 +6.39점 (task-specific)

---

## 성능

### 5축 15점 평가 (150건 골드셋)

| 순위 | 모델 | 유형 | 총점/15 | 구조 | 법조항 | 내부 | 실무 | 표현 | Gold | Silver | Fail |
|:---:|:---|:---:|:---:|:---:|:---:|:---:|:---:|:---:|:---:|:---:|:---:|
| ※ | **Claude Opus 4.6** ¹ | 참조 | **15.00** | 3.00 | 3.00 | 3.00 | 3.00 | 3.00 | 150 | 0 | 0 |
| 1 | **v4-rebalanced** | SFT | **14.38** | 2.96 | 2.66 | 2.95 | 2.93 | 2.87 | **144** | 2 | 4 |
| 2 | v4 | SFT | 13.74 | 3.00 | 2.17 | 2.99 | 3.00 | 2.59 | 123 | 26 | 0 |
| 3 | v3.1 | SFT | 13.21 | 2.99 | 2.19 | 2.95 | 2.98 | 2.10 | 97 | 52 | 1 |
| 4 | v4-full | SFT | 12.65 | 3.00 | 2.23 | 3.00 | 3.00 | 1.42 | 67 | 82 | 1 |
| 5 | v3 | SFT | 12.23 | 3.00 | 2.06 | 2.96 | 2.88 | 1.33 | 39 | 98 | 3 |
| 6 | Qwen3-8B Base | Base | 10.01 | 2.92 | 2.46 | 0.32 | 2.11 | 2.19 | 14 | 1 | 60 |
| 7 | GPT-4o ² | API | 7.99 | 3.00 | 2.81 | 0.00 | 1.79 | 1.31 | 0 | 0 | 138 |
| 8 | Solar Pro ² | API | 7.99 | 2.91 | 2.15 | 0.00 | 1.89 | 1.04 | 0 | 0 | 142 |
| 9 | Gemini Pro ² | API | 7.71 | 1.99 | 2.72 | 0.00 | 2.00 | 1.00 | 0 | 0 | 145 |

¹ **Claude Opus 4.6**: 채점 기준의 상한(reference oracle). 비교 대상이 아닌 참조 기준.
² **상용 API 모델**: 본 평가는 한국 개인정보보호법 도메인 전문성과 특정 출력 형식을 동시에 요구하는 task-specific 벤치마크입니다. 내부구조 0점은 원칙/조건/예외 패턴이 프롬프트만으로 출력되지 않기 때문이며, 해당 모델들의 범용 능력과 직접 비교할 수 없습니다.

### 채점 기준 (5축 v2.1)

| 축 | 0점 | 1점 | 2점 | 3점 |
|:--:|------|------|------|------|
| **구조** | 섹션 없음 | 1-2섹션 | 3섹션 또는 금지섹션 포함 | 4섹션 완전 + 금지섹션 없음 |
| **법조항** | 없음 | 제N조 존재 | 풀인용(OO법 제N조) | 풀인용 + MIN_CORE 정합 + 시행령 |
| **내부구조** | 없음 | 1-2개 | 원칙/조건/예외 3개 | 3개 + 예외 실질 내용 |
| **실무** | 없음 | 액션 1-2개 | 액션 3개+ | 즉시/단기/재발방지 3단계 + 액션 3개+ |
| **표현** | 금지패턴+CJK | 금지패턴 없음 | 조건부 secondary | 조건부 primary(다만) + 무오염 |

> **Gold:** ≥12.5/15 AND 전 게이트 통과 · **Silver:** ≥11.5 · **Bronze:** ≥10.0
> 내부 개발 과정에서는 3축 9점(구조/정확/실무) 스케일도 병행 운용하며, 두 스케일 간 직접 환산 관계는 없습니다.

### v4-rebalanced 도메인별 성능

| 도메인 | 문항 | 총점/15 | 구조 | 법조항 | 내부 | 실무 | 표현 | Gold | 시행령 | 다만 |
|:---|:---:|:---:|:---:|:---:|:---:|:---:|:---:|:---:|:---:|:---:|
| 국외이전 | 20 | **14.75** | 3.00 | 2.75 | 3.00 | 3.00 | 3.00 | 20/20 | 75% | 100% |
| 위탁_처리 | 25 | 14.48 | 3.00 | 2.60 | 3.00 | 3.00 | 2.88 | 24/25 | 68% | 100% |
| 유출_대응 | 30 | 14.43 | 3.00 | 2.63 | 3.00 | 3.00 | 2.80 | 30/30 | 63% | 90% |
| 제3자_제공 | 25 | 14.40 | 3.00 | 2.48 | 3.00 | 3.00 | 2.92 | 24/25 | 48% | 96% |
| 기타 ³ | 20 | 14.30 | 2.90 | 2.85 | 2.90 | 2.85 | 2.80 | 18/20 | 85% | 90% |
| 동의_수집 | 30 | 14.03 | 2.87 | 2.70 | 2.83 | 2.77 | 2.87 | 28/30 | 70% | 93% |

³ 기타: 파기, 안전조치, CCTV, 정보주체 권리, ISMS-P, 거버넌스, 벌칙 등 포함

### 품질 메트릭 (모델 출력 기준)

| 모델 | 유형 | 평균길이 | 시행령% | 다만% | 내부구조% | 3단계% | 금지패턴 |
|:---|:---:|:---:|:---:|:---:|:---:|:---:|:---:|
| Claude Opus 4.6 | 참조 | 600 | 100% | 100% | 100% | 100% | 0건 |
| **v4-rebalanced** | SFT | 721 | **67%** | **95%** | **98%** | **98%** | 1건 |
| v4 | SFT | 615 | 17% | 78% | 99% | 100% | 1건 |
| v3.1 | SFT | 505 | 19% | 49% | 98% | 99% | 0건 |
| v4-full | SFT | 494 | 23% | 13% | 100% | 100% | 1건 |
| v3 | SFT | 517 | 9% | 9% | 99% | 100% | 1건 |
| Qwen3-8B Base | Base | 1255 | 77% | 70% | 11% | 95% | 20건 |
| GPT-4o | API | 760 | 45% | 70% | 0% | 0% | 29건 |
| Solar Pro | API | 1409 | 30% | 29% | 0% | 0% | 53건 |
| Gemini Pro | API | 1522 | 35% | 25% | 0% | 0% | 42건 |

> 시행령%: 관련 시행령 동시 인용 비율, 다만%: 조건부 표현("다만,") 포함 비율, 내부구조%: 원칙/조건/예외 3단 포함 비율, 3단계%: 즉시/단기/재발방지 구분 비율

---

## 사용법

### 설치

```bash
pip install transformers torch accelerate
# LoRA adapter 직접 로드 시:
pip install peft
```

### 추론 (Merged 모델)

```python
from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "cywellai/privacy-counsel-ko-8b"

tokenizer = AutoTokenizer.from_pretrained(model_name, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype="bfloat16",
    device_map="auto",
    trust_remote_code=True,
)

SYSTEM_PROMPT = """당신은 대한민국 개인정보보호법 전문 상담사입니다.
질문에 대해 [판단], [법적 근거], [실무 조치], [추가확인질문] 형식으로 구조화된 답변을 제공합니다.
모든 답변은 관련 법조항을 정확히 인용하고, 조건부 표현을 사용하여 법적 판단의 뉘앙스를 전달합니다."""

messages = [
    {"role": "system", "content": SYSTEM_PROMPT},
    {"role": "user", "content": "소규모 온라인 쇼핑몰에서 고객 이름과 전화번호를 수집하려 합니다. 어떤 절차가 필요한가요?"},
]

text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = tokenizer(text, return_tensors="pt").to(model.device)

outputs = model.generate(
    **inputs,
    max_new_tokens=1500,
    temperature=0.5,
    top_p=0.9,
    repetition_penalty=1.0,
    do_sample=True,
)

response = tokenizer.decode(outputs[0][inputs.input_ids.shape[1]:], skip_special_tokens=True)
print(response)
```

### 추론 (LoRA 어댑터)

```python
from transformers import AutoModelForCausalLM, AutoTokenizer
from peft import PeftModel

base_model_name = "Qwen/Qwen3-8B"
adapter_name = "cywellai/privacy-counsel-ko-8b-lora"

tokenizer = AutoTokenizer.from_pretrained(base_model_name, trust_remote_code=True)
base_model = AutoModelForCausalLM.from_pretrained(
    base_model_name,
    torch_dtype="bfloat16",
    device_map="auto",
    trust_remote_code=True,
)
model = PeftModel.from_pretrained(base_model, adapter_name)

# 이후 동일한 방식으로 추론
```

### vLLM 추론 (권장)

```python
from vllm import LLM, SamplingParams

llm = LLM(
    model="cywellai/privacy-counsel-ko-8b",
    trust_remote_code=True,
    max_model_len=2048,
    gpu_memory_utilization=0.5,
)

sampling = SamplingParams(temperature=0.5, repetition_penalty=1.0, max_tokens=1500)

# tokenizer.apply_chat_template()으로 프롬프트 구성 후
outputs = llm.generate([prompt], sampling)
print(outputs[0].outputs[0].text)
```

### 추론 파라미터 가이드

| 파라미터 | 권장 값 | 비고 |
|:---|:---:|:---|
| temperature | **0.5** | 최적 균형 (0.3: 보수적, 0.7+: 정확도 하락) |
| repetition_penalty | **1.0** | 1.15는 정확도 순손실 |
| top_p | 0.9 | 표준 설정 |
| max_new_tokens | 1500 | 평균 응답 ~720자 |

---

## 출력 형식

아래 시스템 프롬프트와 함께 사용할 때 4단 구조가 안정적으로 출력됩니다.
시스템 프롬프트 없이도 4섹션이 출력되는 경우가 있으나, 최적 결과를 위해 시스템 프롬프트 사용을 권장합니다.

```
[판단]
개인정보 수집 시 정보주체에게 고지해야 하는 필수 항목은 수집 목적, 수집 항목,
보유 및 이용 기간, 동의 거부권 및 거부 시 불이익 등을 포함해야 합니다.

[법적 근거]
• 원칙: 개인정보 보호법 제15조(개인정보의 수집·이용)에 따라 개인정보를
  수집하거나 이용할 때 정보주체에게 고지해야 합니다.
• 조건(트리거): 수집 목적, 수집 항목, 보유 및 이용 기간, 동의 거부권 및
  거부 시 불이익 등의 내용을 명확히 고지해야 합니다.
  (개인정보 보호법 제15조, 시행령 제17조)
• 예외/주의: 다만, 법률에 특별한 규정이 있는 경우나 정보주체의 권리·이익을
  침해하지 않는 범위에서 고지를 생략할 수 있습니다.

[실무 조치]
• 즉시: 수집 목적, 항목, 보유기간, 동의 거부권 등의 내용을 문서화하여 준비
• 단기: 정보주체에게 해당 내용을 명확히 고지하고 동의를 받음
• 재발방지: 개인정보 수집 및 이용 절차를 정기적으로 검토하고 필요 시 개선

[추가확인질문]
• 수집하려는 개인정보의 종류와 목적은 무엇인가요?
• 수집한 개인정보의 보유 및 이용 기간은 어떻게 설정되어 있나요?
• 동의 거부 시 정보주체에게 발생할 수 있는 불이익은 무엇인가요?
```

---

## 학습 상세

### 데이터 리밸런싱 전략

v4-full 학습 데이터(14,088건)에서 품질 기반 필터링과 72B 교사 모델 합성을 거쳐 9,009건으로 리밸런싱했습니다.

| 품질 지표 | 리밸런싱 전 (14,088건) | 리밸런싱 후 (9,009건) | 변화 |
|:---|:---:|:---:|:---|
| 시행령 인용 포함 비율 | 10.0% | **47.6%** | +37.6%p |
| 다만 패턴 포함 비율 | 16.1% | **56.4%** | +40.3%p |
| 3단계 실무 포함 비율 | 18.4% | **60.6%** | +42.2%p |
| 풀 법조항 인용 비율 | 46.7% | **96.1%** | +49.4%p |
| 법조항 점수 (5축) | 2.17 (v4) | **2.66** | +0.49 |
| 표현 점수 (5축) | 2.59 (v4) | **2.87** | +0.28 |

### 모델 개요

| 항목 | 내용 |
|------|------|
| **베이스 모델** | [Qwen/Qwen3-8B](https://huggingface.co/Qwen/Qwen3-8B) (원본 사전학습 모델) |
| **학습 방식** | LoRA (BF16 full precision, rank=64) |
| **학습 가능 파라미터** | 174.6M / 8.37B (2.09%) |
| **학습 데이터** | 9,009건 (품질 기반 리밸런싱 + 72B 합성) |
| **검증 데이터** | 900건 (층화 샘플링 재구축) |
| **학습 시간** | ~70분 (NVIDIA H200 143GB) |
| **최종 평가 손실** | 0.3737 |
| **토큰 정확도** | 88.82% |
| **라이선스** | Apache 2.0 (Qwen3 라이선스 준수) |

### LoRA 설정

| 항목 | 값 |
|:---|:---|
| LoRA rank | 64 |
| LoRA alpha | 128 |
| LoRA dropout | 0.05 |
| Target modules | q_proj, k_proj, v_proj, o_proj, gate_proj, up_proj, down_proj |
| Trainable params | ~174M / 8B (2.2%) |

### 학습 파라미터

| 항목 | 값 |
|:---|:---|
| Base model | Qwen/Qwen3-8B (원본 사전학습 모델) |
| Learning rate | 5e-5 (cosine scheduler, warmup 10%) |
| Epochs | 3 |
| Batch size | per_device 8 × gradient_accumulation 4 = **effective 32** |
| Max sequence length | 2048 |
| Training data | 9,009건 |
| Total steps | 846 |
| Eval/save | every 200 steps |
| Framework | TRL 0.27.0, Transformers 4.57.6, PyTorch 2.6.0 |

### 학습 데이터 구성

```
train.jsonl (9,009건)
├── v3_final 원본 (품질 필터 통과): 5,213건 (57.9%)
├── Phase3-v2 합성 (72B 교사 모델): 1,835건 (20.4%)
├── Phase3-v3 합성 (72B 교사 모델): 1,524건 (16.9%)
└── v4_500 (정확도 타겟 보강):       437건 ( 4.9%)
```

**데이터 파이프라인:**
1. **Phase 1+2** — v4-full 14,088건에서 4개 품질 지표로 스코어링 + 거버넌스 다운샘플 → 6,595건 유지
2. **Phase 3** — Qwen2.5-72B-Instruct(FP8, vLLM)로 부족 도메인 합성 → 3,743건 생성
3. **Phase 4** — 합산(10,338건) + 약칭 정규화
4. **Phase 5** — 마크다운 오염 제거, 중국어 잔류 삭제, 중복 제거 → 최종 9,009건

### 학습 곡선

| Step | Epoch | Train Loss | Eval Loss | Token Accuracy |
|:---:|:---:|:---:|:---:|:---:|
| 50 | 0.18 | 1.2361 | - | 72.14% |
| 200 | 0.71 | 0.4533 | 0.4662 | 86.39% |
| 400 | 1.42 | - | 0.4062 | 87.86% |
| 600 | 2.13 | 0.3343 | 0.3817 | 88.58% |
| **800** | **2.84** | **0.3245** | **0.3737** | **88.82%** |
| 846 (final) | 3.00 | - | 0.3737 | 88.82% |

### 데이터 품질 관리

| 단계 | 방법 |
|:---|:---|
| 자동 검증 | 5단 파이프라인 (구조/조문/수치/금지패턴/도메인격리) |
| 조문 검증 | MIN_CORE 필수 조문 + 도메인별 확장 허용 목록 대조 |
| 골드셋 누출 차단 | SHA-256 해시 기반 자동 차단 (gold_leak_guard) |
| 수동 검수 | 카테고리별 10개씩 = 100개 샘플링 검수 |

---

## 아키텍처

```
Architecture: Qwen3ForCausalLM
Hidden Size: 4,096
Num Layers: 36
Attention Heads: 32 (GQA, KV Heads: 8)
Head Dimension: 128
Intermediate Size: 12,288
Activation: SiLU
Vocab Size: 151,936
Max Position Embeddings: 40,960
RoPE Theta: 1,000,000
Dtype: bfloat16
```

---

## 모델 개발 이력

본 모델은 다수의 반복 학습을 거친 최종 산출물입니다. 모든 버전은 Qwen3-8B 원본에서 독립적으로 LoRA 학습되었습니다.

| 버전 | 날짜 | 데이터 | 베이스 모델 | LR | max_seq | 5축 총점 | Gold% |
|------|------|:---:|---------|:---:|:---:|:---:|:---:|
| v3 | 2026-02-08 | 13,631 | Qwen3-8B | 5e-5 | 1024 | 12.23 | 26% |
| v3.1 | 2026-02-10 | 13,631 | Qwen3-8B | 5e-5 | 1024 | 13.21 | 65% |
| v4 | 2026-02-23 | 1,491 | v3.1-merged | 3e-5 | 1024 | 13.74 | 82% |
| v4-full | 2026-02-23 | 14,088 | Qwen3-8B | 5e-5 | 1024 | 12.65 | 45% |
| **v4-rebalanced** | **2026-02-27** | **9,009** | **Qwen3-8B** | **5e-5** | **2048** | **14.38** | **96%** |

### 모델 진화 추이

| 전환점 | 총점 변화 | 핵심 원인 |
|:---|:---:|:---|
| Base → v3 | +2.23 | SFT 형식 학습 (내부구조 0.32→2.96, 실무 2.11→2.88) |
| v3 → v3.1 | +0.97 | 표현 품질 향상 (1.33→2.10) |
| v3.1 → v4 | +0.53 | 법조항 정확도 + 표현 동시 개선 |
| v4 → v4-full | -1.09 | 데이터 확장 시 표현 품질 희석 (2.59→1.42) |
| v4 → v4-rebalanced | +0.64 | 리밸런싱 효과 (법조항 +0.49, 표현 +0.28) |

---

## 관련 리소스

* **LoRA 어댑터**: [cywellai/privacy-counsel-ko-8b-lora](https://huggingface.co/cywellai/privacy-counsel-ko-8b-lora) (667MB, PEFT 로드)
* **베이스 모델**: [Qwen/Qwen3-8B](https://huggingface.co/Qwen/Qwen3-8B)
* **개인정보 보호법**: [법령 전문 (국가법령정보센터)](https://www.law.go.kr)
* **개인정보보호위원회**: [PIPC 공식 사이트](https://www.pipc.go.kr)

---

## 제한 사항

**법적 정확도:**
- 5축 법조항 점수 2.66/3 — 최대 병목 축. MIN_CORE 정합 + 시행령 동시 인용이 부족한 경우 존재
- 모델 출력의 시행령 동시 인용률 67% — 나머지 33%는 본법만 인용
- 모델 출력의 조건부 표현("다만,") 포함률 95% — 잔여 5%에서 단정적 표현 발생 가능
- 도메인별 편차: 제3자_제공(시행령 48%)이 가장 낮고, 기타(85%)가 가장 높음

**입력 처리:**
- 비표준 약칭(예: "개보법") 사용 시 표준 용어로 정규화 필요
- 학습 데이터 기준 시점 이후 법령 개정 사항은 미반영

**개선 로드맵:**
1. 시행령 동시 인용률 67% → 85%+ (P0)
2. 법조항 점수 2.66 → 2.85+ (P1)
3. 기타 도메인(파기/ISMS-P 등) 세분화 학습 (P2)

---

## 하드웨어

- **학습**: NVIDIA H200 143GB × 1, ~70분 (4,240초)
- **추론 (최소)**: GPU VRAM 16GB 이상 (BF16 기준)
- **추론 (권장)**: GPU VRAM 24GB 이상

---

## 평가 조건

| 항목 | 값 |
|:---|:---|
| 골드셋 | 150문항 (유출30, 동의30, 위탁25, 제3자25, 국외20, 기타20) |
| 난이도 분포 | 기본 54, 예외 46, 경계 50 |
| 내부 모델 생성 설정 | temperature=0.5, repetition_penalty=1.0 |
| 채점 모델 | Claude Opus 4.6 (5축 v2.1 rubric) |
| 게이트 체크 | 4섹션, 법조항존재, 금지패턴없음, CJK없음, 200자이상 |
| Gold 기준 | 총점 ≥12.5/15 AND 전 게이트 통과 |
| Silver 기준 | 총점 ≥11.5/15 |
| Bronze 기준 | 총점 ≥10.0/15 |

---

## Disclaimer

> **본 모델은 법률 자문을 대체하지 않습니다.**

이 모델의 출력은 개인정보보호 실무 참고용으로만 사용해야 하며, 법적 구속력이 있는 판단이나 자문을 구성하지 않습니다. 고위험 의사결정(유출 통지·신고, 국외이전 계약, 과징금 대응 등)은 반드시 법률 전문가의 검토를 거쳐야 합니다.

개인정보 보호법 및 관련 법령은 개정될 수 있으며, 본 모델의 학습 데이터가 최신 법령을 완전히 반영하지 못할 수 있습니다.

---

## Safety & Privacy

- **PII 입력 최소화:** 실명·연락처·주민번호 등은 입력하지 마세요
- **사례 데이터 가명/마스킹:** 로그·공유·재학습 시 동일 원칙 적용
- **출력 검증 권장:** 고위험 의사결정은 내부 체크리스트로 재검토

---

## Changelog

| 날짜 | 내용 |
|------|------|
| 2026-02-08 | v3 공개 (13,631건, 12.23/15) |
| 2026-02-10 | v3.1 공개 (13.21/15, Gold 65%) |
| 2026-02-23 | v4 / v4-full 공개 |
| 2026-02-27 | **v4-rebalanced 공개** (14.38/15, Gold 96%) |
| 2026-03-01 | Model Card v2: 실제 학습 설정 반영, 5축 9개 모델 비교 통합 |

---

## Citation

```bibtex
@misc{privacy-counsel-ko-8b-v4,
  title   = {privacy-counsel-ko-8b (v4-rebalanced):
             A Fine-tuned Qwen3-8B for Korean PIPA Consulting},
  author  = {CywellAI},
  year    = {2026},
  note    = {LoRA SFT on Qwen3-8B for Korean Personal Information Protection Act Q\&A.
             5-axis 15-point evaluation: 14.38/15, Gold 96\% on 150-question gold set.
             Outperforms GPT-4o, Solar Pro, Gemini Pro on task-specific benchmark.},
  url     = {https://huggingface.co/cywellai/privacy-counsel-ko-8b}
}
```

---

## License

Apache 2.0 — [Qwen3 라이선스](https://huggingface.co/Qwen/Qwen3-8B) 준수.