pieroot/timesorter-scheduler-v9-ko

TimeSorter v9 — 한국어 일정 스케줄링 (JSON-in / JSON-out)

앱 연동형 구조화 JSON 입출력 스케줄링 데이터셋. 사용자 페르소나·현재 시각·할 일 목록(JSON)을 입력받아 태스크별 우선순위·4축 점수·추천 시간블록·근거(JSON)를 산출한다. 구 4축(1-5 정수) 자연어 스키마를 전면 개편한 신 포맷 — 모델 출력을 앱이 그대로 파싱해 캘린더에 렌더링하는 것을 목표로 한다.

목적: "오늘 할 일"을 입력하면 페르소나·마감·의존관계를 고려해 (1) 실행 순서, (2) 설명가능한 4축 점수, (3) 충돌 없는 추천 시간블록을 한 번에 제안하는 개인 비서 코어 모델의 학습 데이터.

• SFT: 1,993행 (sft config) — prompt(입력 JSON) / chosen(출력 JSON) / persona / today / source / meta
• DPO: 7,438쌍 (dpo config) — 형식·길이 동일·규칙 1곳만 위반한 hard negative 5종 (schedule_overlap·deadline_miss·rank_score_mismatch·total_score_wrong·chain_order_break). chosen 100% 검증 통과, 차이는 위반 1축뿐. 실제 학습은 약점(체인 순서)에 집중한 서브셋 2,812쌍(chain_order_break + rank_score_mismatch)을 사용 — schedule/deadline은 SFT가 이미 100%.

입력 스키마 ScheduleInput

{
  "current_time": "2026-03-21T08:00:00+09:00",
  "user_persona": {"occupations": ["마케팅 매니저"], "detailed_status": "...", "age": 34,
                    "gender": "male|female", "location": {"country": "South Korea", "city": "서울 강남구"},
                    "bio": "...", "availability": "09:00-18:00"},
  "tasks": [{"task_id": "task_001", "title": "분기 실적 보고서 작성", "memo": "미제출 시 위약금",
              "source": "email", "deadline": "2026-03-21T15:00:00+09:00",
              "estimated_duration_minutes": 90}]
}

필드 의미 — 모델이 스케줄을 짜기 위해 받는 컨텍스트:

필드	타입	의미
current_time	str (ISO8601+오프셋)	스케줄링 기준 "지금" 시각. 모든 마감 임박도·시간블록 배치의 기준점. 타임존 오프셋 포함(KR=+09:00)
user_persona.occupations	list[str]	직업(들). 빈 리스트=무직/구직 → 업무 태스크 대신 생활·구직 과제. 태스크 적합성 판단
user_persona.detailed_status	str	현재 상황·목표 요약(직업적 맥락) — 점수·근거의 배경
user_persona.age / gender	int / "male"·"female"	연령·성별
user_persona.location	obj	country·city — 지역 맥락
user_persona.bio	str	성향·생활 패턴(취미·습관) — 어떤 일이 자연스러운지
user_persona.availability	str "HH:MM-HH:MM"	하루 가용 시간대. 추천 시간블록은 반드시 이 창 안에만 배치
tasks[].task_id	str	고유 식별자. 출력에서 그대로 참조(누락·추가 금지)
tasks[].title	str	할 일 제목
tasks[].memo	str	부가 맥락(없으면 ""). 리스크 문구(위약금·법정기한 등) 포함 가능
tasks[].source	str	유입 출처: email·slack_message·calendar·memo_app·phone_call·sms·kakao·app_push
tasks[].deadline	str(ISO8601) | null	마감 시각. null=마감 없음
tasks[].estimated_duration_minutes	int	예상 소요 시간(분). 추천 시간블록의 길이

출력 스키마 ScheduleResponseV9

{
  "scheduled_tasks": [{
    "task_id": "task_001", "title": "분기 실적 보고서 작성", "priority_rank": 1,
    "scoring": {"deadline_proximity": 9.0, "task_importance": 9.0,
                "task_chaining": 2.0, "urgency": 9.5, "total_score": 8.1},
    "reasoning": {"summary": "마감 7시간 전·위약금 리스크로 최우선...", "chaining_detail": ""},
    "recommended_schedule": {"start_time": "2026-03-21T08:00:00+09:00",
                             "end_time": "2026-03-21T09:30:00+09:00"}
  }]
}

필드 의미 — scheduled_tasks[]는 입력 task 전부를 우선순위 순으로 담는다(커버리지 보장):

필드	타입	의미
task_id / title	str	입력에서 그대로(누락·추가·변형 금지)
priority_rank	int	실행 순서. 1..N 순열, 1=가장 먼저
scoring.deadline_proximity	0–10	마감 임박도. current_time 기준 마감이 가까울수록 ↑ (마감 없음=0)
scoring.urgency	0–10	지금 당장 착수해야 하는 정도. 여유(slack) 적을수록·불이익(에스컬레이션/위약금/법정기한) 있을수록 ↑
scoring.task_importance	0–10	사용자 목표에 미치는 영향. 리스크 문구 있으면 9–10으로 상향
scoring.task_chaining	0–10	후속 작업 블로킹 정도. 다른 작업의 선행이면 ↑ (비최종 체인=9 · 최종 체인=6 · 독립=2)
scoring.total_score	0–10	4축 가중 종합(아래 공식). priority_rank 정렬 기준
reasoning.summary	str	이 점수·순위·시간블록인 근거 1–2문장(facts 수치 인용, 날조 금지)
reasoning.chaining_detail	str	체인 소속 시 선행/후행 의존관계 명시. 독립이면 ""(빈 문자열)
recommended_schedule.start_time / end_time	str(ISO8601)	추천 시간블록. 길이=estimated_duration_minutes, 가용시간 내, 블록 간 비중복, 가능하면 마감 전 완료

total_score 공식 = 0.30·urgency + 0.25·deadline_proximity + 0.30·task_importance + 0.15·task_chaining (소수 2자리). 평가 시 4축에서 결정적 재계산 — 모델은 4축만 정확하면 total은 코드로 산출.

priority_rank 규칙: total_score 내림차순이 기본, 단 (1) 체인 선행이 후행보다 먼저, (2) 이미 지난 고정 일정은 최하위.

생성 방법

1. Nvidia Nemotron-Personas-Korea → 12개 직업군 균등 48 페르소나(이름 제거, 활성/구직 분리)
2. 결정적 골격: 직업군별 도메인·체인테마 + micro-topic(110종)·chain-subject(80종) 순환배정으로 다양화. 마감 = 스케줄 종료 + 버퍼로 항상 실현 가능(마감 위반 없음)
3. 하위 에이전트: Haiku=태스크 제목/메모, Sonnet=reasoning(주입된 사실 기반), Opus=검수
4. 결정적 검증기 게이트(rank 순열·블록 중복·소요 일치·마감 실현·total 재계산·체인 선후)

시나리오 다양성

dated_mixed(절대 날짜·시각 혼재) · intraday(당일 시각) · dependency_chain_complex(4-5단계 의존 체인) · risk(리스크 문구→importance 상향) · relative(상대 시각) · past_split(지난/유효 혼합) · am_escalation(오전 마감 에스컬레이션) 등. micro-topic 110종 · chain-subject 80종 순환 배정.

검수 (2단계 게이트)

1. 결정적 검증기(verify_chosen_v9): rank 순열·시간블록 중복·소요 일치·마감 실현가능·total 재계산·체인 선후 — 수천 행을 무비용 게이트.
2. sonnet/opus 전수 검수: 현실성·페르소나 적합성·점수↔순위↔스케줄↔근거 정합. 1차 1,752행 62% 통과 → 생성기 결함 수정(현장직 사무체인 차단·risk 사무직군 한정·체인 task_id 단계순 연속) → 보충분 재생성 76% 통과 → 정제본(1,072) + 보충(470) = 1,542행 채택.

학습 결과 (이 데이터로 SFT/DPO 시, n=50, greedy)

verify_chosen_v9(구조 규칙 무위반) + gold 대비 점수 오차(↓ 낮을수록 좋음).

지표	4B base	4B SFT	4B DPO	2B base	2B SFT	2B DPO
parse_rate	0.82	0.90	0.92	0.20	0.92	0.94
verify_pass	0.10	0.47	0.46	0.00	0.09	0.09
chain_order	0.29	0.53	0.52	0.30	0.30	0.34
sched_feasible	0.98	1.00	1.00	0.90	0.94	0.96
deadline_met	0.93	1.00	1.00	0.50	0.91	0.94
rank_exact	0.40	0.59	0.59	0.29	0.39	0.38
axis_mae↓	2.70	0.67	0.74	3.20	1.76	1.75
total_mae↓	1.95	0.66	0.72	2.14	1.63	1.60

• SFT가 1차 효과(규칙·점수 급상승), DPO ≈ SFT(선호학습으로 체인 능력은 안 옮겨짐 — 4B·2B 공통).
• 2B는 형식부터 학습(parse 0.20→0.92), 4B base는 이미 형식을 알아 SFT가 규칙·점수를 끌어올림.
• 2B 천장 < 4B(verify_pass 0.09 vs 0.47) — 규칙 동시충족은 모델 용량 의존.

평가셋 (eval config, 59행 · KR+EN · held-out)

학습에 쓰지 않은 별도 held-out 평가셋. 학습 페르소나와 uuid가 겹치지 않는 신규 페르소나 + 미사용 seed로 생성하고, 난도 상위(태스크 ~10개·다중 체인·tight 마감)만 선별. 논리 일관성 검증(verify_chosen_v9: rank 순열·블록 중복·소요 일치·마감 실현·total 재계산·체인 선후·스케줄 순서↔rank) + opus 엄격 감사를 통과한 행만 수록 — 논리 오류가 있으면 통과 불가. lang 컬럼(ko/en), meta에 난도 특성(n_tasks/n_chains/ has_risk 등) 태깅. 모델 평가 1차 지표 = 출력의 verify 무위반율(gold 일치는 보조 진단).

품질

• 태스크 제목 고유율 ~98.7% (과적합 방지), 12 직업군 균일도 ~1.0 (105-142행/군)
• total_score는 평가 시 4축에서 공식으로 재계산(recompute) — 모델은 4축만 정확하면 됨
• 학습 코드: https://github.com/jung-geun/TimeSorter