Concepts de base
단일 대형 언어 모델을 다중 인격 자기 협업을 통해 복잡한 과제를 해결하는 인지적 시너지스트로 전환하는 방법을 제안한다.
Résumé
이 논문은 단일 대형 언어 모델을 다중 인격 자기 협업을 통해 복잡한 과제를 해결하는 인지적 시너지스트로 전환하는 방법인 Solo Performance Prompting (SPP)을 제안한다.
SPP는 다음과 같은 절차로 진행된다:
- 인격 식별: 과제 해결에 필요한 다양한 인격을 식별한다.
- 브레인스토밍: 각 인격이 자신의 전문성에 기반하여 과제 해결 방안을 제안한다.
- 다중 인격 반복 협업: AI 어시스턴트 인격이 초기 해결책을 제안하고, 다른 인격들의 피드백을 받아 반복적으로 수정한다.
실험 결과, SPP는 지식 집약적 과제와 추론 집약적 과제 모두에서 기존 방법들보다 우수한 성능을 보였다. 특히 사실적 오류를 줄이면서도 추론 능력을 유지하는 것으로 나타났다. 또한 인지적 시너지 능력은 GPT-4와 같은 강력한 모델에서만 발현되며, 더 작은 모델에서는 나타나지 않는다는 점이 흥미롭다.
Stats
"단일 LLM을 다중 인격 자기 협업을 통해 복잡한 과제를 해결하는 인지적 시너지스트로 전환할 수 있다."
"GPT-4와 같은 강력한 모델에서만 인지적 시너지 능력이 발현되며, 더 작은 모델에서는 나타나지 않는다."
Citations
"단일 LLM을 다중 인격 자기 협업을 통해 복잡한 과제를 해결하는 인지적 시너지스트로 전환할 수 있다."
"GPT-4와 같은 강력한 모델에서만 인지적 시너지 능력이 발현되며, 더 작은 모델에서는 나타나지 않는다."