거대 언어 모델의 잠재력 극대화를 위한 프롬프트 엔지니어링

이 연구는 거대 언어 모델(LLM)의 역량을 최대로 발휘하기 위한 프롬프트 엔지니어링의 역할을 탐구한다. 프롬프트 엔지니어링은 입력 구조화 과정으로, LLM의 유용성과 정확성을 극대화하는 핵심 기술로 부상했다. 논문은 자기 일관성, CoT(사고의 사슬), 생성 지식 등 모델 성능을 크게 향상시키는 기초 및 고급 프롬프트 엔지니어링 방법론을 심층적으로 다룬다. 또한, 시각 언어 모델(VLM)을 위한 프롬프트 기법들을 상세히 검토하며, 이들의 효능을 주관적 및 객관적 지표로 평가하여 분석의 견고성을 확보한다. 특히, 인공지능 보안 측면에서 프롬프트 엔지니어링의 중요성을 강조한다. 이는 LLM의 취약점을 악용하는 적대적 공격에 대한 방어 전략과 관련되며, 이러한 위험을 최소화하고 모델의 견고성을 향상시키는 전략들을 종합적으로 검토한다. 궁극적으로 본 연구는 프롬프트 엔지니어링의 현재와 미래 연구 및 응용 분야에 대한 통찰을 제공하며, LLM 활용의 새로운 가능성을 제시한다.