본 논문은 거미 이름 데이터셋을 사용하여 대규모 언어 모델(LLM)을 이용한 자동 종 이름 라벨링의 실행 가능성을 평가했습니다. 기존의 수동 라벨링 방식의 시간 및 노력 소모 문제를 해결하기 위해 LLM의 텍스트 분류 및 의미 추출 기능을 활용하여, 프롬프트 엔지니어링을 통해 개선된 LLM 기반 라벨링 결과를 사람의 주석과 비교했습니다. 형태, 지리, 사람 범주에서는 높은 정확도를 달성했지만, 생태 및 행동, 현대 및 과거 문화 범주에서는 정확도가 낮았습니다. 향후 연구는 최적화된 퓨샷 학습 및 검색 증강 생성 기술을 통해 정확도를 향상시키고 다양한 생물 분류군으로의 적용 범위를 확장하는 데 초점을 맞출 것입니다.
