CallGuard

학습 모델 운영 반영 + GPU 학습·측정 (집 PC)

무엇을

decisions/223 의 「정성윤 님 PC 로 넘기는 것」 + 운영 반영. 류준이 맥북에서 할 수 있는 것을 먼저 끝내고 넘긴다(w8-model-training).

A. 운영 반영 (서버 이미지 0.1.50)

PR 이 머지되면 release.yml 이 0.1.50 을 굽는다. 그 뒤 노드(SSM)에서 —

  1. 모델 받기 · 해시 대조 — 런북 11장 「실물 — CPU 노드에 모델 싣기」 ① 그대로. 해시 목록 s3://assist-apne2/models/models-sha256.txt 은 36줄로 갱신돼 있다
  2. 시크릿에 경로 두 개 — 하나씩 켜고 /health spokes 를 본다
    • PII_NER_MODEL_DIR=/models/korean-pii-ner-v3 → pii_ner
    • CALL_GUARD_MODEL_DIR=/models/call-guard-kcelectra-v2 → call_guard_model
  3. 파드 메모리 상한은 PR 에서 3Gi → 5Gi 로 올렸다(server.yaml) — kubectl top pod · free -h 로 여유 1GB 이상인지 본다

되돌리기: 해당 키만 빼고 재시작 — 옛 NER(/models/koelectra-ner)은 노드에 그대로 있다.

B. GPU 학습·측정 (집 PC, 맥북으로 못 하는 것)

  1. nvidia-smi 결과(GPU 이름 · VRAM) — 발표 자료 「학습 환경」 에 적는다
  2. 리랭커(bge-reranker-v2-m3) GPU 지연 — 후보 20 · 102문항(CPU 는 1.7~1.8초/질의)
  3. Whisper large-v3-turbo 실시간 처리 배율(GPU) — 같은 20건으로
  4. (여유 시) 분류기·임베딩 학습을 시드 3개로 반복 — 기준선은 최저치(절대 원칙 4)

완료 조건

넘겨받음 (2026-10-15, 류준)

정성윤 부재로 류준이 이어받았다(착수 전 todo 였다 — §4 「담당이 바뀌면」). 사용자 확인 뒤 진행.