클라이언트 측 텍스트 분류를 위한 브라우저 내 BERT 실행

작성자는 7년 전 BERT 기반 텍스트 이해에 대한 연구 결과를 공유한 이후, 최근 클라이언트 측에서 사용자 입력을 분류하는 사이드 프로젝트를 진행하면서 Claude Code 팀을 활용하여 BERT 모델 파인튜닝 과정을 자동화했습니다. 서버 연결 없이 브라우저 내에서 작동해야 했기 때문에 학습 파이프라인 구축 시간을 절약하고자 했습니다.

작성자는 Claude Code 팀에게 소형 모델 선택, 파인튜닝 수행, 결과물(model.safetensors, config.json, tokenizer.json) 제공이라는 구체적인 지시사항을 전달했습니다. 또한 2분 만에 작성한 20개의 예제 데이터를 기반으로 템플릿 패턴과 키워드 치환을 활용하여 데이터셋을 확장하도록 요청했으며, 이 과정에서 패턴이나 키워드를 직접 선택하지 않았습니다.

Claude Code 팀은 성공적으로 모델 파인튜닝을 완료했으며, 작성자는 Candle(Rust ML 프레임워크)를 통해 WASM으로 컴파일된 모델을 Web Worker 내에서 실행하여 네트워크 연결 없이 20ms의 빠른 분류 속도를 달성했습니다. 이는 소형 BERT 모델이 브라우저 환경에서도 효율적으로 작동할 수 있음을 보여줍니다.