.md .pdf

repository open issue

Contents

4. Advanced Prompt Engineering

Summary

Advanced Prompt Engineering은 LLM의 성능을 향상시키기 위한 다양한 기술을 다룹니다. 이 기술들은 LLM이 복잡한 문제를 해결하고, 전문가 수준의 응답을 제공하며, 외부 데이터베이스와 통합할 수 있도록 도와줍니다. 주요 개념으로는 Chain-of-Thought Prompting, Automatic Prompt Engineering, Retrieval Augmented Generation(RAG) 등이 포함됩니다. 이러한 기술을 통해 LLM의 문제 해결 능력을 향상시키고, 다양한 응용 분야에서 활용할 수 있습니다.

Key Concepts

• Chain-of-Thought Prompting : LLM이 복잡한 문제를 해결하기 위해 단계별 사고 과정을 따라가도록 유도하는 기술입니다.

• Automatic Prompt Engineering : LLM이 자동으로 최적의 프롬프트를 생성하고, 이를 통해 문제 해결 능력을 향상시키는 기술입니다.

• Retrieval Augmented Generation(RAG) : LLM이 외부 데이터베이스와 통합하여, 관련 정보를 검색하고 이를 기반으로 응답을 생성하는 기술입니다.

• Expert Prompting : LLM이 전문가 수준의 응답을 제공하기 위해, 다양한 전문가의 관점을 통합하는 기술입니다.

• Active Prompting : LLM이 불확실성을 기반으로 활성 학습을 통해 프롬프트를 최적화하는 기술입니다.

References

URL 이름	URL
Advanced Prompt Engineering for LLMs	https://maven.com/dair-ai/prompt-engineering-llms
Prompt Design and Engineering: Introduction and Advanced Methods	https://arxiv.org/html/2401.14423v4
Advanced Prompt Engineering - by Cameron R. Wolfe, Ph.D.	https://cameronrwolfe.substack.com/p/advanced-prompt-engineering
Advanced Prompt Engineering Techniques - Mercity AI	https://www.mercity.ai/blog-post/advanced-prompt-engineering-techniques
Advanced Prompt Engineering - Practical Examples - TensorOps	https://www.tensorops.ai/post/prompt-engineering-techniques-practical-guide

previous

Retrievers in LLM

next

Ask for Context in LLM