GLiFormer Large가 문서를 중첩 JSON으로 바꾸는 방식
문서를 JSON으로 변환할 때 중요한 것은 자연스러운 문장을 생성하는 능력이 아니다. 필요한 값을 정확히 찾고, 각 값이 어느 부모 레코드에 속하는지 연결하며, 결과를 원문에서 검증할 수 있어야 한다.
Knowledgator가 공개한 GLiFormer Large는 이 문제를 추출형 인코더로 해결한다. 5억 7,500만 개의 파라미터를 갖췄으며, 중첩 JSON 추출 평가에서 F1 91.10을 기록했다. 같은 평가에서 GPT-5.6-luna의 점수는 91.96이었다.1
스키마에 맞춰 원문에서 값을 찾는다
GLiFormer Large는 추론 시점에 작업 라벨과 추출 스키마를 입력받는다. 새로운 필드가 필요할 때마다 별도 모델을 만드는 대신, 원하는 개체 유형이나 JSON 구조를 스키마로 지정하는 방식이다.1
구조화 디코더는 원문에 근거한 필드를 찾은 뒤 부모·자식 관계를 조합해 중첩 레코드를 구성한다. 추출한 모든 값은 원문의 해당 구간과 연결되므로, 사용자는 결과의 출처를 직접 확인할 수 있다. 여러 단계로 구성된 데이터는 중첩 Pydantic 스키마로 정의할 수 있다.1
이러한 구조는 계약서나 보고서처럼 하나의 문서에 여러 당사자, 항목, 조건이 얽혀 있는 경우에 특히 중요하다. 값 자체를 정확히 찾는 것만으로는 부족하며, 각 값이 어느 레코드에 속하는지까지 올바르게 연결해야 하기 때문이다.
다만 F1 91.10을 완전한 JSON 일치율로 해석해서는 안 된다. 이 수치는 500개 예제를 대상으로 레코드 순서를 무시하고 제한적인 경계 보정을 허용한 평가에서 나온 결과다. 다른 모델과 성능을 비교할 때도 점수뿐 아니라 평가 데이터와 일치 기준을 함께 확인해야 한다.1
하나의 인코더로 여러 문서 작업을 처리한다
GLiFormer는 여러 작업별 헤드가 하나의 DeBERTa 인코더를 공유하는 구조다. 단일 모델이 PDF 레이아웃 처리, 개체명 인식, 분류, 관계 추출, 구조화 레코드 생성, 텍스트 임베딩을 지원한다.1
레이아웃 인식 아키텍처는 일반 텍스트와 문서 레이아웃 입력을 모두 받을 수 있다. 따라서 PDF 처리, 개체 추출, 관계 연결, JSON 변환을 각각 별도 모델로 구성하던 파이프라인을 단순화할 가능성이 있다.
그러나 지원 범위와 검증된 성능은 구분해야 한다. 공개된 품질 평가는 영어 텍스트 작업이 중심이며, 문서 레이아웃 처리 성능은 별도로 충분히 입증되지 않았다.1 실제 도입 여부는 자사 문서 형식과 레이아웃을 사용한 평가를 거쳐 판단해야 한다.
도입 전 확인해야 할 기준
GLiFormer Large를 평가할 때는 단일 정확도 수치보다 다음 항목이 더 실용적이다.
필수 필드가 얼마나 자주 누락되는가
추출값이 올바른 부모 레코드에 연결되는가
원문 위치 연결이 검수 과정에 충분한 근거를 제공하는가
임계값 변화에 따라 결과가 얼마나 민감하게 달라지는가
실제 문서의 레이아웃과 언어에서도 성능이 유지되는가
Pydantic 스키마는 결과의 구조와 형식을 검사하는 데 도움이 되지만, 추출된 내용의 사실성까지 보장하지는 않는다. 따라서 스키마 검증과 원문 근거 확인을 함께 운영해야 한다.1
요약: GLiFormer Large가 보여주는 판단 기준
GLiFormer Large의 의미는 단순히 중첩 JSON 추출에서 높은 F1을 기록했다는 데 있지 않다. 스키마 기반 추출, 부모·자식 관계 구성, 원문 구간 연결을 하나의 구조 안에서 제공한다는 점이 핵심이다.
계약서, 청구서, 보고서처럼 반복 처리와 근거 추적이 중요한 환경에서는 모델 크기나 단일 점수보다 출처 연결, 스키마 적합성, 관계 정확도, 재현 가능한 평가가 더 중요한 도입 기준이 될 수 있다.
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.