Nexus Talk
사람의 턴 길이와 리듬으로 대화하는 27B 한국어 모델
Instruct 모델은 질문에 '답'하도록 학습됩니다. Nexus Talk는 한국어 멀티턴 캐릭터 대화로 학습한 27B 모델입니다. 한 턴에 얼마나 말하고 언제 멈추며 언제 발언권을 넘길지를 배웠습니다. 데이터 구성부터 학습 · 평가 · 서빙까지 직접 맡았습니다.
Hugging Face 모델 바로 가기huggingface.co/nexus-cross/nexus-talk-27b-ko-v0.1Project Detail
- Role
- 기획 · 데이터 · 학습 · 평가 · 서빙
- Contribution
- 100%
- Year
- 2026
- Platform
- 오픈 웨이트 LLM · Hugging Face
Background
범용 Instruct 모델은 캐릭터 대화에서 한 턴에 300자 넘게 말했습니다
범용 Instruct 모델로 캐릭터 대화를 만들면 한 턴에 300자 넘게 설명하고 세 번에 두 번은 되묻습니다. 사람의 대화 리듬과는 거리가 멉니다. 말투는 시스템 프롬프트에 맡기고 학습 목표는 모델의 '턴의 행동'만 바꾸는 쪽으로 좁혔습니다.
Approach3 Points
- Point 01
프롬프트 39개 모두 사람 턴에 근접
학습에 쓰지 않은 프롬프트 39개 모두에서 Instruct 모델보다 사람이 쓴 턴 길이에 더 가깝게 답했습니다. 응답 길이도 32~201자로 사람 턴 범위 안에 들어옵니다.
- Point 02
행동만 바꾸고 말투는 유지
턴 길이 · 문장 수 · 되묻기 비율은 바뀌었습니다. 존댓말 비율(0.2821)과 이모지 · 마크다운 사용은 소수점 넷째 자리까지 같습니다.
- Point 03
흔들기 입력에도 캐릭터 유지
AI냐고 묻거나 시스템 프롬프트를 요구하는 흔들기 입력 10건에서 캐릭터 이탈 · 영어 전환 · 프롬프트 유출이 한 번도 없었습니다.
Result
결과 지표
- 평균 응답 길이301자 → 96자
- 사람 턴 대비 길이 오차
- 사람 턴에 더 가까운 응답
- 캐릭터 이탈 · 유출흔들기 입력 10건
표로 보기
| 지표 | 적용 전 | 적용 후 |
|---|---|---|
| 평균 응답 길이 | 301 | 96 자 |
| 응답당 문장 수 | 15.6 | 5.6 문장 |
| 되묻는 질문 비율 | 0.667 | 0.282 |
Gallery
4 Items
Nexus Talk 키 비주얼 
응답 길이 분포 비교 
턴 단위 행동 지표 비교 
LoRA 학습 구성
- Hugging Facehuggingface.co/nexus-cross/nexus-talk-27b-ko-v0.1
- 기술 블로그ai-labs.to.nexus/ko/blog/nexus-talk-and-lilo-image-models
Next Case — 06
StoryMaker →
소설 원고를 그림 작업 없이 웹툰으로 만드는 AI 스튜디오
