AI 모델 개발: 기법 – Chain-of-Thought Prompting

ㅁ 기법

ㅇ 정의:
– Chain-of-Thought Prompting(CoT)는 복잡한 문제를 해결하기 위해 모델이 중간 추론 단계를 명시적으로 서술하도록 유도하는 프롬프트 기법이다. 단순한 입력-출력 형태가 아니라, 사고 과정을 단계별로 나누어 답을 도출하도록 한다.

ㅇ 특징:
– 다단계 추론(multi-step reasoning)에 강점.
– 수학 문제, 논리 퍼즐, 복잡한 의사결정 문제에서 정확도를 향상.
– 프롬프트에 “Let’s think step by step”과 같은 문구를 포함하여 모델이 중간 과정을 출력하도록 유도.

ㅇ 적합한 경우:
– 수치 계산, 논리적 추론, 원인-결과 분석이 필요한 문제.
– 다단계 조건을 만족해야 하는 질의.

ㅇ 시험 함정:
– 모든 문제에서 CoT가 성능을 향상시키는 것은 아님. 단순 검색형 문제에서는 불필요하게 복잡해질 수 있음.
– CoT를 적용했더라도 잘못된 중간 추론이 최종 답을 왜곡할 수 있음.

ㅇ 시험 대비 “패턴 보기” 예시:
– (O) “모델이 단계별 사고 과정을 출력하도록 유도하는 프롬프트 기법”
– (X) “모델이 한 번에 최종 답만 출력하도록 하는 기법”

ㅁ 추가 학습 내용

Zero-shot CoT와 Few-shot CoT의 차이
Zero-shot CoT는 예시 없이 ‘Let’s think step by step’과 같은 문구만으로 모델이 단계별 추론을 하도록 유도하는 방식이다. Few-shot CoT는 몇 가지 예시를 함께 제시하여 모델이 더 안정적으로 단계별 추론을 수행하도록 돕는 방식이다.

CoT의 한계
모델이 생성하는 중간 추론 단계에 논리적 오류가 포함될 수 있으며, 이를 검증할 별도의 메커니즘이 필요하다.

Self-Consistency 기법
CoT를 여러 번 실행하여 다양한 추론 경로를 생성한 뒤, 그 결과들 중 가장 일관된 답을 선택하는 방법이다.

시험 출제 가능 포인트
CoT와 일반 프롬프트 엔지니어링 기법(예: ReAct, Tree-of-Thought) 간의 비교 문제가 출제될 수 있다.

답글 남기기

Your email address will not be published. Required fields are marked *.

*
*