GPT-4와 같은 LLM이 인간과 유사한 응답을 생성하는 놀라운 능력을 보여 주었음에도 불구하고, 효과적인 프롬프트를 작성하는 데 있어서는 나름의 과제와 한계가 있습니다. 그중 일부를 살펴봅시다.

• 장황함: LLM은 종종 필요 이상의 정보를 제공하거나 아이디어를 반복하는 등 장황한 출력을 생성하는 경향이 있습니다. 간결한 응답을 이끌어내는 프롬프트를 작성하는 것이 어려울 수 있으며, 적절한 제약 조건을 설정하고 프롬프트를 반복해야 할 수 있습니다.

• 모호성: LLM은 모호하거나 정의가 불분명한 프롬프트로 인해 어려움을 겪을 수 있으며, 그 결과 기대에 부응하지 못할 수 있습니다. 따라서 모호함을 최소화하기 위해 명확하고 구체적인 프롬프트를 만드는 데 시간과 노력을 투자해야 합니다.

• 일관성 부족: LLM은 때때로 서로 모순되는 정보를 가진 응답을 생성하거나 실행에 따라 품질이 달라질 수 있습니다. 출력의 일관성을 보장하기 위해 매개 변수를 미세 조정하고 프롬프트 엔지니어링 기술을 사용해야 합니다.