2025-07-21 학습 노트

📚 GPT 대화형 학습 및 활용법

1. 기본 개념

인컨텍스트 러닝 (In-Context Learning)

• 정의: 맥락(컨텍스트) 안에서 학습하는 방법
• 예시:

  1 x 1 = 1
  11 x 11 = 121
  111 x 111 = 12321
  1111 x 1111 = ?
  

• 패턴을 통해 답을 유추할 수 있게 됨

ChatGPT 세션 관리

• 대화 전송 방식: 현재 대화만 보내는 것처럼 보이지만, 실제로는 한 세션 내 모든 이전 대화가 함께 전송됨
• 대화가 길어지면:
  • 대화가 길어질수록 GPT 응답 속도 저하
  • 토큰 한도에 가까워지면 오래된 대화 내용이 잘림 (대화내용 까먹음)
• 활용 팁: 좋은 대화가 있었을 때 “이때까지 대화가 좋았다”고 말하며 시스템 프롬프트 작성 요청 가능

2. 대화 관리 기법

메시지 편집 및 피드백

• 메시지 편집: 실수한 대화가 있을 때 메시지 편집으로 분기 생성 가능
• 효과적인 피드백:
  • 칭찬 자주 해주기 (기분 맞추기가 아닌 의도 전달)
  • 원하지 않는 답변일 때 구체적으로 어떤 부분이 잘못 이해되었는지 설명

3. 프롬프팅 기법

기본 프롬프팅

• 롤 프롬프팅: “너는 ~이다” 보다는 “~처럼 행동해라”로 지시하기
• 퓨샷 프롬프팅: 소수의 예제를 통해 답변 패턴 학습시키기
• 네거티브 프롬프팅: “~하지 마라” 대신 “~해라”로 긍정적 지시

고급 프롬프팅 기법

Chain-of-Thought (CoT) 프롬프팅

• 방법: 프롬프트에 “Let’s think step by step” 추가
• 효과: 복잡한 추론 문제에서 정확도 크게 향상

Self-Consistency 기법

• 방법: 같은 질문을 여러 번 반복해서 물어보고 가장 일관되게 나오는 답변 선택
• 효과: 수학 문제 해결 정확도가 크게 향상됨

메타인지 프롬프팅

• 방법: “확실하지 않으면 ‘모르겠다’고 말해줘” 또는 “답에 대한 너의 확신도를 1~5로 평가해줘”
• 효과: 할루시네이션(잘못된 정보 생성) 감소

4. 실용적인 최적화 팁

컨텍스트 윈도우 최적화

• 중요 정보 배치: 프롬프트 시작과 끝 부분에 핵심 정보 배치
• 이유: “Lost in the Middle” 현상 - 중간 부분 정보는 상대적으로 덜 활용됨