프롬프트 엔지니어링

프롬프트 엔지니어링은 프롬프트라고 하는 입력 텍스트를 구조화하고 최적화하여 효과적으로 가이드 인공 지능(AI) 모델 특정 고품질의 결과물을 생성하도록 효과적으로 안내하는 전략적 프로세스입니다. 처음에는 대규모 언어 모델(LLM)의 등장으로 대중화되었지만 이 분야는 다양한 생성 시스템과 상호 작용하는 데 중요한 기술로 발전했습니다. 다양한 생성 시스템과 상호 작용하는 데 중요한 기술로 발전했습니다. 여기에는 모델이 언어를 해석하는 방법의 뉘앙스를 이해하는 것이 포함됩니다, 인간의 의도와 기계의 실행 사이의 간극을 메우기 위한 지침의 미묘한 차이를 이해해야 합니다. 단어를 신중하게 선택하고 서식 제약 조건을 설정하고 컨텍스트를 제공함으로써 사용자는 별도의 작업 없이도 모델의 기본 매개 변수를 변경할 필요 없이 모델의 기본 매개변수를 변경하지 않고도 정확도와 관련성을 크게 향상시킬 수 있습니다.

효과적인 프롬프트의 메커니즘

프롬프트 엔지니어링의 핵심은 AI 모델이 입력의 문구와 구조에 민감하게 반응한다는 원칙에 기반합니다. 입력. 잘 설계된 프롬프트에는 일반적으로 모호성을 줄이기 위해 설계된 특정 구성 요소가 포함되어 있습니다. 여기에는 다음이 포함됩니다. 명시적 지침, 관련 배경 정보(컨텍스트), 형식과 같은 출력 사양(예 예를 들어, JSON 또는 글머리 기호 목록으로 응답을 요청합니다. 고급 기법에는 소수점 학습이 포함됩니다, 사용자가 프롬프트 내에서 원하는 입력-출력 쌍의 예를 제공하여 모델의 추론을 유도하는 방법 등이 있습니다. 또 다른 강력한 방법은 연쇄적 사고 프롬프트는 모델이 복잡한 문제를 중간 추론 단계로 세분화하도록 유도하여 다음과 같은 작업의 성능을 향상시킵니다. 로직이 많은 작업의 성능을 향상시킵니다. Google 연구 출판물에 자세히 설명되어 있습니다.

컴퓨터 비전에서의 관련성

텍스트 생성과 관련된 경우가 많지만, 프롬프트 엔지니어링은 다음과 같은 분야에서 점점 더 중요해지고 있습니다. 컴퓨터 비전(CV). 최신 멀티 모달 모델과 개방형 어휘 검출기, 를 통해 사용자는 미리 정의된 클래스 ID가 아닌 자연어를 사용해 탐지 대상을 사전 정의된 클래스 ID가 아닌 자연어를 사용해 정의할 수 있습니다. 이 맥락에서 '프롬프트'는 대상에 대한 텍스트 설명(예: "빨간 헬멧" 대 "헬멧")을 의미합니다. 이 기능은 종종 제로 샷 학습이라고도 하는 이 기능을 사용하면 모델이 명시적으로 detect 않은 텍스트 프롬프트와 시각적 특징 사이의 의미 관계를 처리하여 명시적으로 학습되지 않은 객체를 감지할 수 있습니다. 시각적 특징 사이의 의미 관계를 처리하는 것만으로 모델이 명시적으로 학습되지 않은 객체를 감지할 수 있습니다.

다음 예는 프롬프트 엔지니어링을 프로그래밍 방식으로 적용하는 방법을 보여줍니다. ultralytics 패키지를 사용하여 동적으로 클래스를 정의할 수 있습니다. 물체 감지:

from ultralytics import YOLO

# Load a YOLO-World model capable of interpreting text prompts
model = YOLO("yolo-world.pt")

# Use prompt engineering to define custom classes without retraining
# The model aligns these text descriptions with visual features
model.set_classes(["person in safety vest", "forklift", "cardboard box"])

# Run inference on an image to detect the prompted objects
results = model.predict("warehouse.jpg")

실제 애플리케이션

신속한 엔지니어링의 유용성은 다양한 산업 분야에 걸쳐 자동화 및 창의성을 향상시킵니다:

• 자동화된 콘텐츠 생성: 마케팅 및 미디어 분야에서는 전문가가 자세한 안내 메시지를 사용하여 텍스트-이미지 생성기 중간 또는 안정적인 확산. 조명, 예술적 스타일, 구도를 설명하는 구체적인 프롬프트 디자이너는 조명, 예술적 스타일, 구도를 설명하는 구체적인 프롬프트를 통해 시각적 에셋의 프로토타입을 빠르게 제작할 수 있으므로 기존 렌더링 방식에 비해 기존 렌더링 방식에 비해 시간을 절약할 수 있습니다.
• 지능형 고객 지원: 기업에서 고객 문의를 처리하기 위해 챗봇을 배포하여 고객 문의를 처리합니다. 엔지니어는 봇의 페르소나를 정의하는 '시스템 프롬프트'를 만들고(예: "귀하는 유용한 기술 지원 도우미입니다."), 환각을 방지하기 위한 경계를 설정하고, AI가 특정 지식 기반에서 답변을 검색하도록 지시하는 특정 지식창고에서 답변을 검색하도록 지시할 수 있습니다.

관련 개념 구분하기

머신 러닝 환경에서 신속한 엔지니어링을 유사한 용어와 구별하는 것이 중요합니다:

• 프롬프트 엔지니어링과 프롬프트 튜닝 비교: 프롬프트 엔지니어링에는 자연어 쿼리를 수동으로 작성하는 작업이 포함됩니다. 이와 대조적으로 프롬프트 튜닝은 매개변수를 효율적으로 학습하는 메커니즘으로 임베딩 (숫자 벡터)을 학습하는 매개변수 효율적인 메커니즘입니다. 모델 입력을 최적화하는 매개변수 효율적인 메커니즘으로, 종종 인간 사용자에게는 보이지 않습니다.
• 프롬프트 엔지니어링 대 미세 조정: 미세 조정은 특수한 데이터 세트를 학습하여 모델 가중치를 영구적으로 업데이트합니다. 프롬프트 엔지니어링은 모델 자체를 변경하지 않으며, 실시간 추론 중에만 실시간 추론.
• 프롬프트 엔지니어링 vs. RAG: 검색 증강 생성(RAG)은 외부 데이터를 가져와 모델의 응답을 기반으로 하는 시스템 아키텍처입니다. 외부 데이터를 가져오는 시스템 아키텍처입니다. 프롬프트 엔지니어링은 RAG 내에서 검색된 데이터를 올바르게 형식화하고 처리를 위해 LLM에 제시하는 기술입니다.