Core Concepts
대형 언어 모델의 추상화 능력을 활용하여 복잡한 추론 문제를 해결할 수 있다.
Abstract
이 논문은 대형 언어 모델의 추상화 기반 추론 기법인 "STEP-BACK PROMPTING"을 소개한다. 이 기법은 두 단계로 구성된다:
추상화 단계: 원래 질문을 더 높은 수준의 추상적인 질문으로 변환한다. 이를 통해 모델이 관련 개념과 원리를 쉽게 파악할 수 있다.
추론 단계: 추상화된 개념과 원리를 바탕으로 원래 질문에 대한 답변을 도출한다.
이 기법은 STEM, 지식 질의응답, 다중 단계 추론 등 다양한 복잡한 과제에서 기존 모델 대비 큰 성능 향상을 보여주었다. 특히 추상화 단계에서는 소수의 예시만으로도 모델이 관련 개념과 원리를 잘 파악할 수 있었지만, 추론 단계에서의 오류가 여전히 문제로 나타났다. 이는 대형 언어 모델의 추론 능력 향상이 향후 과제임을 시사한다.
Stats
온도가 2배 증가하고 부피가 8배 증가하면 이상기체의 압력은 1/16로 감소한다.
Estella Leopold는 1948년 위스콘신 대학교에서 식물학 학사 학위를, 1950년 UC 버클리에서 식물학 석사 학위를, 1955년 예일 대학교에서 식물학 박사 학위를 취득했다.
Quotes
"추상화의 목적은 모호해지는 것이 아니라 정확성을 높이는 것이다." - Edsger W. Dijkstra