본 논문은 금융 문서 이해 및 수치 추론을 돕기 위해 대규모 언어 모델(LLM)을 활용하는 새로운 프롬프트 학습 프레임워크를 제시합니다. 특히, 고정된 데이터셋에 의존하거나 수동으로 레이블링된 데이터를 사용하는 기존 프롬프트 튜닝 방식의 한계를 극복하고자, 데이터 증강 최적화를 기반으로 하는 자체 개선형 프롬프트 프레임워크를 개발했습니다. 이 프레임워크는 합성 데이터를 생성하고, 검증하고, 프롬프트를 최적화하는 과정을 반복하며, 외부 레이블 없이 프롬프트 정확도를 향상시킵니다. DocMath-Eval 벤치마크 평가 결과, 제안된 시스템은 기존 프롬프트 방식보다 높은 정확도와 견고성을 보였습니다.
