4개월간의 실험 데이터로 확인한 프롬프트 품질의 핵심 요인

작성자의 데이터 기반 접근에 대해 긍정적인 반응이 많으며, 많은 사용자가 맥락의 중요성에 공감하고 있다.

• 출력물이 너무 일반적이라면 프롬프트에 제약 조건, 청중 정보, 예시를 추가하여 길이를 3배로 늘려보라.
• 타이핑이 번거롭다면 음성 받아쓰기 도구를 사용해 생각을 가감 없이 쏟아낸 뒤 프롬프트로 활용하라.

Chain-of-Thought

— 모델이 복잡한 문제를 해결할 때 단계별 추론 과정을 거치도록 유도하는 프롬프트 기법이다. 논리적 단계를 명시함으로써 최종 답변의 정확도와 일관성을 높이는 역할을 한다.

Few-shot

— 프롬프트 내에 해결하려는 작업의 예시를 몇 개 포함하여 모델의 성능을 높이는 기법이다. 모델이 수행해야 할 작업의 패턴과 형식을 명확히 이해하도록 돕는다.

Context Window

— 모델이 한 번에 처리하고 기억할 수 있는 텍스트 정보의 양을 의미한다. 이 범위 내에 충분한 배경 정보와 제약 사항이 포함될수록 모델은 더 정확하고 구체적인 결과를 생성한다.