본 논문은 대규모 언어 모델(LLM)을 활용하여 비정형 텍스트 데이터(레시피)를 구조화된 형태(Cooklang)로 변환하는 연구를 다룹니다. GPT-4o, GPT-4o-mini, Llama3.1:70b, Llama3.1:8b 네 가지 모델을 대상으로 WER, ROUGE-L, TER과 같은 기존 지표와 의미 요소 식별을 위한 특수 지표를 결합한 새로운 평가 방식을 사용하여 실험을 진행했습니다. 그 결과, GPT-4o 모델이 퓨샷 프롬프팅 기법을 통해 ROUGE-L 0.9722, WER 0.0730의 높은 성능을 달성하여, 대규모 사전 훈련 없이도 LLM이 도메인 특정 비정형 텍스트를 구조화된 형태로 변환할 수 있음을 최초로 보여주었습니다. 또한, 모델 크기가 성능에 영향을 미치지만, Llama3.1:8b와 같은 작은 모델도 목표 지향적 미세 조정을 통해 성능 향상 가능성을 보임을 확인했습니다.
