본 연구는 LLM의 성능을 향상시키기 위해 다양한 In-Context 프롬프트 입력을 효과적으로 구축하는 In-Context Sampling (ICS) 기법을 제안한다.
단조적 문장 바꾸기(MONOPARA)는 주어진 프롬프트를 그 모델에 더 익숙한 저 퍼플렉서티 버전으로 자동으로 반복적으로 재작성할 수 있으며, 이를 통해 언어 모델의 프롬프팅 성능을 향상시킬 수 있다.
프롬프트 설계와 생성 매개변수 조정이 ChatGPT의 감성 컴퓨팅 문제 해결 성능에 미치는 영향을 분석하였다.
ChatGPT와 같은 기반 모델의 감성 컴퓨팅 분야 성능은 프롬프트 설계에 매우 민감하며, 적절한 프롬프트 설계가 중요하다.
프롬프트 설계와 생성 매개변수 조정이 ChatGPT의 감성 컴퓨팅 문제 해결 성능에 미치는 영향을 분석하였다.
프롬프트 설계와 생성 매개변수 조정이 ChatGPT의 감성 컴퓨팅 문제 해결 성능에 미치는 영향을 분석하였다.