ㅁ 프롬프트 설계

ㅇ 정의:
사전 예시 없이 모델에 직접 작업 지시를 내려 원하는 결과를 생성하도록 하는 프롬프트 기법.

ㅇ 특징:
– 추가 학습 데이터나 예시 없이 모델의 사전 학습 지식을 활용.
– 간단하고 빠르게 적용 가능하지만, 결과의 일관성이 떨어질 수 있음.
– 명확하고 구체적인 지시문이 필요.

ㅇ 적합한 경우:
– 사전 예시를 준비할 수 없는 경우.
– 빠른 테스트나 아이디어 검증.
– 다양한 주제에 대한 모델의 일반 지식 활용.

ㅇ 시험 함정:
– Zero-shot은 ‘예시 없이’라는 점을 간과하고 few-shot과 혼동.
– 단순 질의응답과 동일시하는 오류.
– 모델의 성능이 항상 최적이라고 착각.

ㅇ 시험 대비 “패턴 보기” 예시:
O: “Zero-shot은 예시 없이 모델에 직접 지시를 내리는 프롬프트 기법이다.”
X: “Zero-shot은 여러 예시를 제공하여 모델이 학습 후 응답하도록 하는 방식이다.”

================================

1. Zero-shot

ㅇ 정의:
예시를 제공하지 않고, 단일 지시문만으로 모델이 문제를 해결하도록 하는 프롬프트 설계 방법.

ㅇ 특징:
– 사전 입력 예시가 전혀 없음.
– 모델의 사전 학습 데이터 기반 추론.
– 프롬프트 문구의 품질이 성능에 큰 영향을 미침.

ㅇ 적합한 경우:
– 시간 제약이 있는 경우.
– 광범위한 주제에 대해 빠른 답변이 필요한 경우.
– 데이터 준비가 어려운 경우.

ㅇ 시험 함정:
– ‘Zero-shot’을 ‘데이터가 전혀 필요 없는 AI’로 오해.
– Few-shot과 구분 못함.
– 예시 없이도 항상 높은 정확도를 보장한다고 생각.

ㅇ 시험 대비 “패턴 보기” 예시:
O: “Zero-shot은 예시 없이 모델의 사전 학습 지식을 활용하는 프롬프트 방식이다.”
X: “Zero-shot은 최소 한 개 이상의 예시를 제공하여 모델이 답을 유추하는 방식이다.”

ㅁ 추가 학습 내용

Zero-shot 프롬프트의 성능을 높이기 위해서는 지시문을 구체적으로 작성하는 것이 중요하다. 여기에 role prompting(모델에게 특정 역할을 부여하는 방식)이나 chain-of-thought(모델이 단계적으로 사고 과정을 전개하도록 유도하는 방식)를 결합하면 효과가 향상될 수 있다.
시험에서는 Zero-shot, Few-shot, One-shot의 차이를 비교하는 문제가 자주 출제되므로, 각 기법의 정의, 예시, 장단점을 표로 정리해두는 것이 유용하다.
Zero-shot은 모델이 사전 학습한 범위 내에서만 답변할 수 있으므로, 최신 정보나 학습되지 않은 영역에서는 부정확한 결과가 나올 수 있다는 점을 반드시 기억해야 한다.