본 논문은 기계 학습 알고리즘의 효율성을 높이기 위한 특징 생성(feature generation)의 중요성을 강조하며, 기존 방법들의 설명력 부족, 적용 가능성 제한, 전략적 유연성 부족이라는 세 가지 한계점을 지적합니다. 이를 해결하기 위해, 대규모 언어 모델(LLM)과 특징 생성 프롬프트를 활용한 새로운 동적이고 적응적인 특징 생성 방법을 제안합니다. 제안된 방법은 특징 생성 과정의 해석력을 높이고, 다양한 데이터 유형과 작업에 대한 적용 가능성을 확장하며, 전략적 유연성을 제공합니다. 광범위한 실험을 통해 기존 방법들보다 우수한 성능을 보임을 입증합니다.
