메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
손민준 (성균관대학교) 이성진 (순천향대학교)
저널정보
한국통신학회 한국통신학회논문지 한국통신학회논문지 제50권 제1호
발행연도
2025.1
수록면
9 - 21 (13page)
DOI
10.7840/kics.2025.50.1.9

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
최근 자연어 처리기술은 대형 언어 모델의 발전으로 인해 전례 없는 속도로 발전하고 있으나 모델이 부정확하거나 비상식적인 답변을 생성하는 할루시네이션 문제는 여전히 해결해야 할 과제로 남아 있다. 본 논문은 대규모 언어 모델에서 다양한 프롬프트 엔지니어링 기법을 분석하고 데이터셋 별 최적의 응답 성능을 이끌어 낼 수 있는 프롬프트 엔지니어링 기법을 도출한다. 특히 대표적인 프롬프트 엔지니어링 기법인, 문맥 내 학습, 사고의 연쇄, 검색 증강 생성 기법을 분석하고, 이를 LLaMA3, Mistral, Gemma2와 같은 주요 대규모 언어모델에 적용하였다. 연구 결과, 각 데이터셋의 특성에 따라 가장 적합한 프롬프트 엔지니어링 기법이 달라질 수 있음을 알 수 있었다.

목차

요약
ABSTRACT
Ⅰ. 서론
Ⅱ. 관련 연구
Ⅲ. 시스템 모델
Ⅳ. 벤치마크 데이터셋
Ⅴ. 성능 지표
Ⅵ. 실험결과
Ⅶ. 결론
References

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-25-02-092097589