Core Concepts
대규모 언어 모델의 잠재력을 최대한 활용하기 위해서는 프롬프팅 기법이 필수적이다. 이 논문에서는 대규모 언어 모델에 적용되는 다양한 프롬프팅 기법을 소개하고 분류한다.
Abstract
이 논문은 대규모 언어 모델(LLM)에서 프롬프팅 기법에 대한 종합적인 조사를 제공한다.
먼저 언어 모델의 발전 과정을 통해 LLM의 등장 배경을 설명한다. LLM은 방대한 데이터와 매개변수를 활용하여 뛰어난 성능을 보이지만, 이를 효과적으로 활용하기 위해서는 프롬프팅 기법이 필요하다.
프롬프팅은 LLM에 특정 입력 또는 지시를 제공하여 원하는 출력을 유도하는 기법이다. 이 논문에서는 프롬프팅 기법을 인간의 개입 수준과 프롬프트의 목적에 따라 분류한다.
인간의 개입 수준에 따라 수동 생성 프롬프트와 자동 생성 프롬프트로 나뉜다. 자동 생성 프롬프트는 다시 이산 프롬프트와 연속 프롬프트로 구분된다.
프롬프트의 목적에 따라 작업 기반, 보조 생성, 리소스/도구 활용 프롬프트로 나뉜다. 작업 기반 프롬프트는 단순히 목표 작업을 수행하는 것이 목적이다. 보조 생성 프롬프트는 중간 단계의 추론 과정을 생성하거나 지식을 생성하는 것이 목적이다. 리소스/도구 활용 프롬프트는 외부 리소스나 도구를 활용하여 프롬프팅의 효과를 높이는 것이 목적이다.
이러한 분류 체계를 바탕으로 각 프롬프팅 기법의 특징과 장단점을 자세히 설명한다. 또한 프롬프팅 기법의 향후 연구 방향으로 최적이 아닌 프롬프트 해결, 구조화된 데이터 처리, 답변 엔지니어링, 프롬프트 주입 방지 등을 제시한다.
Stats
대규모 언어 모델(LLM)은 방대한 데이터와 매개변수를 활용하여 뛰어난 성능을 보인다.
프롬프팅 기법은 LLM의 잠재력을 최대한 활용하기 위해 필수적이다.
프롬프팅 기법은 인간의 개입 수준과 프롬프트의 목적에 따라 다양하게 분류된다.
Quotes
"프롬프팅은 특정 입력 또는 지시를 LM에 제공하여 원하는 출력을 유도하는 기법이다."
"프롬프팅 기법은 LLM을 각 하위 작업에 개별적으로 미세 조정할 필요성을 해결했다."