[Feat] LLM 활용 문제 유형 분류 완료

[gsgh3016]

📝 Summary

기본 train.csv 파일을 활용해서 문제 유형 및 풀이 전략을 분류했습니다.

최종 실험 결과, 유형 분포를 eda/category_distribution.png에 저장했습니다.

✅ Checklist

• 관련 이슈가 명시되어 있습니다.
• [ ] 테스트가 완료되었습니다.
• 문서 업데이트가 포함되었습니다.
• 코드 리뷰를 위한 사전 검토를 완료했습니다.

📄 Description

• requirements.txt에 langchain, langchain-openai 모듈을 추가했습니다.
• GPT 4o mini 모델과 1-shot 및 ToT 기법을 사용하여 문제 유형 분류를 실시했습니다. 분류 기준은 다음과 같습니다.
  
• 실험 결과, 문제 유형 분포도를 eda/category_distribution.png에 저장하도록 코드를 작성했습니다.

💡 Notice (Optional)

• 위 실험을 재현하기 위해서는 다음과 같은 절차에 따라주세요.

  0. OpenAI Platform 페이지에서 토큰 발급 및 크레딧 충전 후 진행. (약 0.8$ 크레딧이 소모됩니다.)
  1. pip install -r requirements.txt CLI 명령어로 의존성 업데이트(langchain, langchain-openai 모듈 설치 위함)
  2. eda/problem_type_analysis.ipynb 파일에서 .venv 커널 선택 후 실행

🔗 Related Issue(s)

close #17

[gsgh3016]

우선 실험의 일관성을 위해 train.csv 파일에서 진행했습니다. 데이터 필터링 과정에서 문제 유형, 유형이 도출된 이유는 크게 달라지지 않을 것이라 판단하여 실험을 계속 진행했습니다. 추후 데이터 필터링 과정이 정리되면 추가 작업 진행하겠습니다.

[eyeol]

징벌적 프롬프트 확인했습니다.

실험1과 실험2 결과에 대한 분석도 노션에 올려주시면 좋을것 같습니다.