피드로 돌아가기
Dev.toAI/ML
원문 읽기
LLM 응답 최적화를 위한 Prompting Styles 설계 전략
Prompting styles - Basic
AI 요약
Context
단순 질의 방식의 LLM 활용 시 발생하는 낮은 응답 정확도 및 맥락 결여 문제 분석. 사용자 의도와 일치하는 결과를 도출하기 위한 구조적 프롬프트 설계의 필요성 대두.
Technical Solution
- Zero shot prompting을 통한 최소한의 입력으로 기본 Task 수행 구조 설계
- Few shot prompting 기반의 Input-Output 예시 제공을 통한 모델의 패턴 인식 및 출력 일관성 확보
- System prompting을 활용한 Governing Laws 설정을 통해 응답 범위 및 제약 조건 강제
- Role based prompting 적용으로 특정 Persona 부여를 통한 도메인 특화 응답 유도
- Contextual prompting 기반의 배경 정보 주입을 통한 응답의 Relevance 강화 및 환각 현상 억제
실천 포인트
1. 단순 작업은 Zero shot으로 검증 후, 정확도 부족 시 Few shot으로 예시 데이터 추가
2. 응답의 톤앤매너 및 제약 사항이 필요할 경우 System Prompt 영역에 정의
3. 도메인 전문 지식이 필요한 경우 Role 부여를 통해 페르소나 최적화
4. 외부 데이터나 상황 정보가 필요한 쿼리는 Contextual Prompting으로 배경 정보 제공