> ## Documentation Index
> Fetch the complete documentation index at: https://docs.coreweave.com/llms.txt
> Use this file to discover all available pages before exploring further.

# 재라벨링

> 원본 데이터를 수정하지 않고 더 강력하거나 일관된 트레이닝 타겟을 생성합니다.

재라벨링은 설정된 모델에 데이터셋의 각 엔트리마다 새로운 응답을 생성하도록 요청합니다. 결과는 별도의 출력 세트입니다. 원본 응답은 계속 사용할 수 있으며, 여러 relabel run이 공존할 수 있습니다.

<h2 id="when-relabeling-helps">
  재라벨링이 유용한 경우
</h2>

프로덕션 모델의 출력이 학생 모델에게 학습시키려는 동작과 다를 때 재라벨링하세요. 예를 들면 다음과 같은 경우입니다.

* 더 강력한 모델로 품질이 낮거나 일관성 없는 답변을 바로잡을 수 있는 경우
* 지침이나 구조화된 출력 요구 사항이 변경된 경우
* 프로덕션 데이터의 입력은 적절하지만 레이블에 노이즈가 많은 경우
* 트레이닝 전에 두 교사 모델을 비교하려는 경우

현재 출력이 이미 원하는 목표값이라면 재라벨링을 건너뛰세요. 재라벨링하면 추론 비용이 추가로 발생하고, 교사 모델의 오류나 스타일이 불필요하게 전이될 수 있습니다.

<h2 id="choose-a-relabeling-strategy">
  재라벨링 전략 선택
</h2>

다음 섹션에서는 두 가지 재라벨링 전략을 설명합니다.

<h3 id="regenerate-outputs">
  출력 재생성
</h3>

모델은 각 요청을 원래 모델이 받았던 것과 똑같이 받지만, 기존 출력은 받지 않습니다. 대신 새로운 답변을 생성합니다. 더 강력한 교사 모델이나 업데이트된 지침을 따르는 모델처럼 모델이 다르게 동작하기를 원할 때 이 전략을 사용하세요.

<h3 id="create-revised-outputs">
  수정된 출력 생성
</h3>

모델은 원래 답변과 재라벨링 지침을 컨텍스트로 받은 다음 수정된 버전을 생성합니다. 원래 출력이 대체로 정확하고, 의도, 스타일, 구조, 도구 사용 결정을 유지하면서 필요한 부분만 수정하려는 경우 이 전략을 사용하세요.

수정 run에는 두 가지 추가 설정을 사용할 수 있습니다.

* **재라벨링 지침:** 모델이 원래 출력을 처리하는 방식입니다. 기본적으로 모델은 명확하고 중대한 오류가 없는 한 원래 출력을 올바른 것으로 간주합니다. 원래 출력에 오류가 있으면 모델은 원래 출력의 의도, 스타일, 구조, 도구 사용 결정을 유지하는 범위에서 최소한으로 수정합니다. 지침은 최대 20,000자까지 입력할 수 있습니다.
* **참조 대화:** 트레이닝 분할에서 무작위로 선택한 완전한 대화로, 작업의 예시 역할을 합니다. 이러한 대화는 모든 요청에 포함됩니다. 기본값은 10이고 최대값은 50입니다. 생략하려면 0으로 설정하세요. UI에는 요청당 예상 추가 입력 토큰 수가 표시됩니다. 예시는 고정 접두사를 구성하므로 공급자가 캐시할 수 있습니다.

<h2 id="run-a-relabel">
  재라벨링 실행하기
</h2>

재라벨링을 실행하려면 다음 단계를 따르세요.

1. 프로젝트의 **Datasets** 페이지에서 준비된 데이터셋을 선택하세요.
2. **Relabel**을 선택한 다음 \*\*Relabel with…\*\*에서 모델을 선택하세요.
3. **Relabeling strategy**를 선택하세요.
4. **Create revised outputs**에서 참조 대화 수와 재라벨링 지침을 검토하세요.
5. 선택: 데이터셋 revision을 W\&B Weave에 게시했다면 **Publish outputs to Weave**를 선택하여 완료된 출력을 해당 revision과 함께 게시할 수 있습니다.
6. **Relabel dataset**을 선택하여 relabel run을 시작하세요.

백그라운드 작업은 항목을 병렬로 처리하며, 상태를 queued, running, completed, failed 또는 stale로 표시합니다.

relabel run이 완료되면 다음과 같이 결과를 검토하세요.

* 원본 출력과 재라벨링된 출력을 나란히 비교하세요.
* 변경되지 않았거나 오류가 발생한 행을 필터링하세요.
* 파인튜닝을 생성할 때 relabel run을 트레이닝 출력으로 선택하세요.
* 비교 평가에서 기본 레퍼런스로 사용하세요.

relabel run을 삭제하면 해당 run에서 생성된 출력 세트만 제거됩니다. 데이터셋, 원본 출력, 소스 트레이스, 공급자는 삭제되지 않습니다.

<Accordion title="API: 데이터셋 재레이블링 (POST /tasks/{alias}/datasets/{datasetId}/relabels)">
  데이터셋 ID를 바꾸고 등록된 공급자 모델 중 하나를 선택하세요. 출력을 다시 생성하려면 다음을 실행하세요.

  ```bash theme={"system"}
  curl --request POST \
    --url "https://distillation.training.wandb.ai/v1/tasks/ticket-classifier/datasets/$DATASET_ID/relabels" \
    --header "Authorization: Bearer $WANDB_API_KEY" \
    --header "Wandb-Entity: your-team" \
    --header "Content-Type: application/json" \
    --data '{"model_ref": "openai/gpt-5.6-sol"}'
  ```

  수정된 출력을 생성하려면 `use_original_output`을 `true`로 설정하세요. `instructions`와 `reference_conversation_count`를 생략하면 앞서 설명한 기본값이 적용됩니다.

  ```bash theme={"system"}
  curl --request POST \
    --url "https://distillation.training.wandb.ai/v1/tasks/ticket-classifier/datasets/$DATASET_ID/relabels" \
    --header "Authorization: Bearer $WANDB_API_KEY" \
    --header "Wandb-Entity: your-team" \
    --header "Content-Type: application/json" \
    --data '{
      "model_ref": "openai/gpt-5.6-sol",
      "use_original_output": true,
      "reference_conversation_count": 10,
      "instructions": "Treat the original output as correct unless it contains a clear, material error. If needed, make the smallest correction while preserving its intent, style, structure, and tool-use decision."
    }'
  ```

  완료된 출력을 데이터셋의 게시된 revision과 함께 Weave에 게시하려면 두 요청 중 하나에 `"publish_to_weave": true`를 추가하세요.

  응답에는 relabel run ID와 상태가 포함됩니다. 자세한 내용은 [relabel run 시작하기](/ko/model-distillation/reference/management/datasets/start-a-relabel-run)를 참조하세요.
</Accordion>

<h2 id="reuse-a-strategy-for-new-rows">
  새 행에 전략 재사용
</h2>

relabeled 데이터셋에 traffic을 추가한 후, 기존 재라벨링 strategy를 재사용하여 새 행만 relabel할 수 있습니다. 기존 relabel run은 이전 revision만 커버하므로, 새 행에 대한 출력이 누락되어 run이 stale이 됩니다.

UI는 모델, strategy, instructions, reference conversation 수를 공유하는 relabel run을 하나의 재라벨링 strategy로 그룹화합니다. 데이터셋의 **Active outputs** 메뉴는 모델별로 strategy를 나열하며, **Regenerate** 또는 **Revise v0**, **Revise v1** 등으로 레이블링됩니다.

새 행을 relabel하려면 **Active outputs** 메뉴에서 strategy를 선택하세요. UI는 누락된 행 수를 표시하고, 기존 출력을 유지하며, 새 행에 대해서만 출력을 생성합니다.

<Accordion title="API: 새 행에 전략 적용 (POST /tasks/{alias}/datasets/{datasetId}/relabels/{relabelRunId}/apply-missing)">
  완료되었거나 stale한 relabel run의 ID를 전달하세요:

  ```bash theme={"system"}
  curl --request POST \
    --url "https://distillation.training.wandb.ai/v1/tasks/ticket-classifier/datasets/$DATASET_ID/relabels/$RELABEL_RUN_ID/apply-missing" \
    --header "Authorization: Bearer $WANDB_API_KEY" \
    --header "Wandb-Entity: your-team"
  ```

  Model Distillation은 현재 데이터셋 revision에 대한 새 run을 생성하고, 기존 출력을 재사용하며, 누락된 것만 생성합니다. 요청은 새 run과 함께 `202 Accepted`를 반환합니다. [새 행에 재라벨링 strategy 적용](/ko/model-distillation/reference/management/datasets/apply-a-relabeling-strategy-to-new-rows) 참조.
</Accordion>


## Related topics

- [활성 재라벨링 run 선택](/ko/model-distillation/reference/management/datasets/select-the-active-relabel-run.md)