참고팁X
LLM 성능 극대화를 위한 9가지 프롬프팅 실무 기법
CoT, JSON 스키마 제약, 부정적 프롬프팅 등 현업에서 즉시 적용 가능한 고효율 프롬프트 전략.
요약
모델 업그레이드 전 프롬프트 개선을 통해 더 나은 LLM 출력을 얻을 수 있는 9가지 핵심 기법이 소개되었다. 기본이 되는 제로샷(Zero-shot) 외에 몇 가지 예시를 제공하는 퓨샷(Few-shot) 프롬프팅과 단계별 추론을 요구하는 생각의 사슬(CoT) 기법이 대표적이다. 프롬프트 계층 구조 활용, 역할 부여(Role-specific), 부정적 프롬프팅(Negative prompting), JSON 스키마 지정 등 구조화 기법도 유용하다. 특히 구조화된 도메인 질문을 사용하는 ARQ 기법은 직접 프롬프팅의 81.5% 대비 90.2%의 높은 지시 이행률을 기록했다. 마지막으로 모델의 출력 다양성을 회복하는 언어화된 샘플링(Verbalized sampling)까지, 이 기법들은 서로 결합하여 사용했을 때 더욱 효과적이다. 프롬프트 구조화만으로도 동일한 인프라 내에서 LLM의 성능을 극대화할 수 있다.
AI가 원문을 요약한 내용으로, 부정확할 수 있습니다.
원문 제목 @_avichawla: 9 techniques to generate better LLM outputs: An instruction alone, with no examples, schema, or stated constraints, is the default
원문 보기 ↗