예시 답변 1
기술 장점 정리+실제 사용 경험 연결로 푸는 결
트랜스포머 기반 모델의 가장 큰 장점은 문맥 전체를 한 번에 처리할 수 있다는 점이라고 생각합니다. RNN 계열은 앞에서 뒤로 순서대로 처리하다 보니 긴 문장에서 앞 정보가 희석되는 문제가 있었는데, Attention 구조는 어느 위치든 직접 참조할 수 있습니다. 저는 감정 분류 과제에서 BERT 기반 모델을 fine-tuning해본 경험이 있으며, 같은 데이터로 TF-IDF+SVM 조합과 비교했을 때 정확도가 8%p 높았습니다. 대형 언어 모델은 이 구조를 더 크게 키운 것이므로, 다양한 태스크에 적응하는 범용성이 강점이라고 이해하고 있습니다. 직접 대규모 모델을 학습시켜본 경험은 없지만, 이 구조를 이해한 것이 이후 실험 설계에도 영향을 주었습니다.
이 결의 특징
RNN이 긴 문장에서 앞 정보가 희석되는 문제를 어텐션 구조로 해결한다는 이해를 BERT 파인튜닝 경험으로 뒷받침한 흔적이 구체적입니다. TF-IDF+SVM 대비 정확도 8%포인트 향상이라는 수치가 담겨 있습니다.
이 결이 통하는 자리
대규모 모델 직접 학습 경험은 없다는 한계를 인정하면서도 구조 이해가 실험 설계에 영향을 줬다는 지점이 살아 있을 때 통합니다. 구체적 수치 비교가 붙을 때 면접관의 신뢰가 붙는 결이 보입니다.