본 논문은 대규모 언어 모델(LLM)의 출력만을 이용하여 프롬프트를 재구성하는 프롬프트 복구(Prompt Recovery) 연구에 초점을 맞추고 있습니다. 기존의 질의응답 프롬프트 복구와 달리, 스타일 전환 및 문장 재구성 프롬프트에 집중하여 새로운 프롬프트 복구 과제를 제시합니다. LLM을 활용하여 고품질 데이터셋을 구축하고, 제로샷, 퓨샷, 탈옥(jailbreak), 사고연쇄(chain-of-thought), 파인튜닝, 그리고 성능이 저조한 경우를 위한 새로운 캐노니컬-프롬프트 대체 방법 등 다양한 프롬프트 복구 전략을 실험적으로 평가합니다. 실험 결과, 원샷 학습과 파인튜닝이 가장 효과적임을 보였으나, 기존 문장 유사도 측정 지표의 한계점 또한 드러났습니다.
