본 논문은 대규모 언어 모델(LLM)을 위한 자동 프롬프팅 방식을 소개하여 전자 상거래 제품 품질을 평가합니다. 이는 훈련 데이터나 모델 미세 조정 없이 작동하며, 수만 개의 제품 카테고리-속성 쌍에 대해 속성 품질을 평가하기 위한 프롬프트를 자동으로 생성하고 개선합니다. 사람에 의해 제작된 초기 프롬프트를 시작으로, 이 방식은 카탈로그 특정 요구 사항에 맞춰 지침을 점진적으로 최적화합니다. 이 접근 방식은 일반적인 언어 이해와 복잡한 산업 카탈로그의 도메인별 지식 사이의 격차를 해소합니다. 실험 결과는 자동 프롬프트 방식이 전통적인 사고 연쇄 프롬프팅보다 정밀도와 재현율을 8-10% 향상시켰습니다. 또한, 도메인 전문가의 노력을 속성당 5.1시간에서 3분으로 99% 줄이는 효과를 보였습니다. 5개 언어 및 여러 품질 평가 작업에 걸쳐 일관된 성능 향상을 보이며 일반화 성능도 입증되었습니다.
