프롬프트 엔지니어링 팁(chatGPT)2

 ChatGPT를 잘 활용하고자 한다면, '프롬프트'창에 질문을 입력하는 능력이 굉장히 중요하다.

 

 원하는 답이나 결과물을 얻기 위해서, 잘 질문하는 기술을 '프롬프트 엔지니어링'이라고 이해하면 편하다.

 

'프롬프트 엔지니어링'에는 여러 종류가 있는데,

그중에 쉬우면서도 유용한 'In-context learning'에 대해 정리해 본다.

 

◼︎ In-context learning(출처: 위키독스)

인-컨텍스트 학습(In-context learning, ICL)은 대형 언어 모델(Large Language Models, LLMs)이 사전 훈련된 맥락을 이용하여 새로운 작업을 배우는 능력을 가리킨다. 이러한 학습 방식은 주어진 입력 예시들을 통해 모델이 특정 작업을 수행하도록 조정하지만, 모델의 매개변수를 최적화하거나 수정하지 않는다는 점에서 기존의 기계 학습 방법들과 구별된다. 이 방법은 특히 소수의 예시로 작업을 빠르게 학습할 수 있는 'Few-shot', 'One-shot', 또는 'Zero-shot' 학습 과정에서 유용하다.

'In-context learning'은 다시 하위에,

​

zero-shot learning

one-shot learning

few-stot learning

​

으로 분류된다.

---

◼︎ zero-shot learning

별도의 입출력 예시 없이 상황 묘사만을 프롬프트에 입력하고, 인공지능의 결과를 받아보는 것

예시를 0개 넣었기 때문에, zero-shot learning

​

예시) 제목과 장르, 등장인물을 포함하여 소설을 창작해줘.

제목: 바람이 많이 부는 바닷가

장르: 어린이동화

등장인물: 뽀로로, 홍길동, 손오공

소설:

 

 

◼︎ one-shot learning

상황 묘사, 입출력 예시 1개, 현재 입력만을 프롬프트에 입력하고, 인공지능의 결과를 받아보는 것

예시를 1개 넣었기 때문에, one-shot learning

​

예시)

 

 

 

◼︎ few-stot learning

상황 묘사, 입출력 예시 여러 개, 현재 입력만을 프롬프트에 입력하고, 인공지능의 결과를 받아보는 것

예시를 여러 개 넣었기 때문에, few-shot learning

여러 개의 예시를 참고하여, 인공지능이 결과를 출력한다.

​

예시)