﻿[Deeplearning W2 Hackathon] 인테리어 하자 질의응답

■ 과제
인테리어·건축 하자 질문에 답변을 생성하고, 그 답변을 임베딩 벡터로 바꿔 제출하세요.
채점은 텍스트가 아니라 정답과 제출 벡터의 코사인 유사도로 이루어집니다.

■ 파일
- train.csv          : 학습 데이터 (id, 질문_1, 질문_2, category, 답변_1~5)
- test.csv           : 예측 대상 (id, 질문) — 정답 답변 없음
- sample_submission.csv : 제출 형식 예시 (id, vec_0~vec_511)

■ 제출 방법
1. test.csv의 각 질문에 답변을 생성하세요 (직접 작성, 검색 기반, LLM 생성 등 방식은 자유).
2. 생성한 답변을 반드시 distiluse-base-multilingual-cased-v1 모델로 임베딩하세요.
   (다른 모델을 쓰면 정답 벡터와 좌표축 자체가 달라 채점이 무의미해집니다.)
3. submission.csv 헤더는 "id,vec_0,vec_1,...,vec_511" 입니다 (512차원).
4. checkpoint.habix.ai/hackathons/dl-w2-qa 에서 기수·이름을 넣고 submission.csv 를 제출하세요.

■ 출력 함수 사용 시
save_checkpoint_result(..., id_column="id", target_column="vec_0")

■ 평가 지표: Cosine Similarity (정답 벡터와 제출 벡터의 평균 코사인 유사도)
■ 임베딩 모델: sentence-transformers/distiluse-base-multilingual-cased-v1 (512차원)
■ 제출 횟수: 최대 5회 (첫 제출을 빨리 하고, 결과를 본 뒤 개선해 다시 내세요)
■ 제출 후: 결과 이해 확인 문항 3개 + 회고를 통과해야 순위가 공개됩니다.
