ChatGPT 프롬프트 엔지니어링 4가지 방법(4 techniques used in prompt engineering.) - 1

Few Shot Standard Prompts

 

Few Shot Standard Prompts는 이전에 보았던 표준 프롬프트와 유사하지만, 문제 해결을 위한 예시를 함께 포함하고 있습니다.

왜 예시가 필요한 것일까요? 바로 원하는 결과를 얻기 위해, 프롬프트가 해결하려는 작업의 예시를 추가해야하기 때문입니다.

Few Shot Standard Prompts는 작업 설명, 예시 및 프롬프트로 구성됩니다.

여기 Few Shot Standard Prompts의 구성 요소가 있습니다.

 

 

이제 다른 프롬프트를 만들어 보겠습니다.

"Orlando에서 Boston으로 비행기를 타고 싶다"는 텍스트에서 공항 코드를 추출하려고 합니다.

여기 대부분의 사람들이 사용할 표준 프롬프트가 있습니다.

이 텍스트에서 공항 코드를 추출하세요. "I want to fly from Orlando to Boston"

이렇게 해도 작업을 완료할 수 있지만 때로는 충분하지 않을 수도 있습니다. 이러한 경우에는 Few Shot Standard Prompts를 사용해야합니다.

 

-----------------------------------------------------

이 텍스트에서 공항 코드를 추출하세요.

텍스트: "I want to fly from Los Angeles to Miami."

공항 코드: LAX, MIA

텍스트: "I want to fly from Nashville to Kansas City."

공항 코드: BNA, MCI

텍스트: "I want to fly from Orlando to Boston"

공항 코드:

------------------------------------------------------

 

ChatGPT에서 이전 프롬프트를 시도하면 예시에서 지정한 형식(MCO, BOS)으로 공항 코드를 얻을 수 있습니다.

이전 연구에서는 예시에서 실제 답변은 중요하지 않지만 라벨 스페이스가 중요하다는 것이 밝혀졌습니다. 라벨 스페이스는 주어진 작업에 대한 모든 가능한 라벨입니다. 라벨 스페이스에서 무작위 라벨을 제공하여 프롬프트 결과를 개선할 수 있습니다.

이제 예시에서 무작위 공항 코드를 입력하여 이를 테스트해 보겠습니다.

 

------------------------------------------------------

이 텍스트에서 공항 코드를 추출하세요.

텍스트: "I want to fly from Los Angeles to Miami."

공항 코드: DEN, OAK

텍스트: "I want to fly from Nashville to Kansas City."

공항 코드: DAL, IDA

텍스트: "I want to fly from Orlando to Boston"

공항 코드:

------------------------------------------------------

 

이전 프롬프트를 ChatGPT에서 시도하면 여전히 올바른 공항 코드인 MCO와 BOS를 얻게 됩니다.

예제가 정확하든 그렇지 않든, 라벨스페이스에서 임의의 라벨을 포함시켜 주세요.

이렇게 하면 결과를 개선하고 모델에게 프롬프트의 답변 포맷을 지시할 수 있습니다.