프로젝트 헤일메리의 로키 말투 재현을 통한 프롬프트 최적화 실험

대체로 긍정적이며, 예시 기반 프롬프팅의 효율성에 대해 많은 사용자가 공감했다.

• 캐릭터 페르소나를 만들 때 규칙을 나열하기보다 실제 대화 예시를 3-5개 포함하라.
• 토큰 비용을 절감하고 싶다면 로키의 말투와 같은 고밀도 표기법을 프롬프트에 적용해 보라.

토큰(Token)

— LLM이 텍스트를 처리하는 최소 단위로, 단어의 일부나 구두점 등을 포함한다. 모델의 입력 제한과 비용 계산의 기준이 되며, 효율적인 프롬프트 구성을 위해 토큰 수를 최적화하는 것이 중요하다.

퓨샷 프롬프팅(Few-shot Prompting)

— 모델에게 수행할 작업의 예시를 몇 개 제공하여 성능을 높이는 기법이다. 명시적인 규칙 설명보다 구체적인 예시를 통해 모델이 패턴과 스타일을 더 정확하게 학습하도록 돕는다.

신경망(Neural Network)

— 인간의 뇌 구조를 모방하여 데이터를 처리하는 알고리즘 체계이다. 수많은 노드와 연결 가중치를 통해 데이터 내의 복잡한 패턴을 학습하고 예측을 수행하는 현대 AI의 핵심 구조이다.

가중치(Weights)

— 신경망 내부에서 데이터의 중요도를 결정하는 수치 매개변수이다. 학습 과정에서 이 수치들이 조정되며 지식의 형태를 저장하고, 모델이 입력값에 대해 특정 출력을 내도록 유도한다.