A Study on Enhancing Large Language Model (LLM) Performance through Public Data Augmentation

본 연구에서는 거대 언어 모델 기반의 계약 공정화 시스템 개발에 있어 고품질의 공정성 태깅 데이터 부족 문제를 해결하기 위한 효과적인 데이터 증강 (Data Augmentation) 방법에 대해 살펴보았다.<br/> 일반적으로 거대 언어 모델의 성능은 고품질 훈련 데이터의 양에 비례한다. 그러나, 하도급 계약서와 약관 조항에 대한 공정성 태깅은 고도의 전문성을 갖춘 법률 전문 인력에 의해 수행되며 특히 약관의 공정성은 공정거래위원회에서 판단하므로 대량의 공정성 태깅된 데이터를 수집하는 것은 현실적으로 어렵다.<br/> 이러한 문제를 해결하기 위해 본 연구에서는 (a) 공개된 공정/불공정 태깅 가능한 약관 및.하도급 계약 데이터를 기반으로 조항 단위 분리, 법령 매칭, 프롬프트 기반 문장 증강 과정을 거쳐 학습 데이터를 구축하고 (b) 의미 보존형 증강(semantic-preserving augmentation) 및 법률 근거 삽입형 프롬프트 설계를 통해, 법적 책임·의무·권리 구조를 유지하면서 문장 표현의 다양성을 확보하였다.<br/> 실험 결과, 원본 2,307건의 데이터를 25,324건으로 약 11배 증강하였으며, Qwen2.5-7B-Instruct 및 MIRAGE LLM을 통한 학습 결과 ROUGE-2 점수는 30.7%, ROUGE-L 점수는 21.2% 향상되었다.<br/> 이 연구는 공공 데이터 접근 제약 환경에서도 데이터 증강이 실질적 대안이 될 수 있음을 입증하였으며, 법률적 의미 보존 중심의 설계가 LLM의 문맥 이해력과 추론 신뢰도를 높이는 데 효과적임을 보여준다. 또한 클러스터 기반의 사전 필터링과 프롬프트 제어 방식을 통해 품질 저하를 최소화함으로써, 공정위·소비자원 등 공공기관의 계약 공정성 심사 시스템에 적용 가능한 기술적 기반을 제시하였다.<br/> 본 연구는 향후 공공 LLM 개발 시 데이터 확장성과 품질 유지의 균형을 달성할 수 있는 모범적 사례로 평가되며, 행정·법률 분야의 디지털 전환과 신뢰성 강화를 위한 핵심 전략으로서 의미를 가진다.