Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

A Systematic Survey of Prompt Engineering in Large Language Models: Techniques and Applications

Created by
  • Haebom
Category
Empty

저자

Pranab Sahoo, Ayush Kumar Singh, Sriparna Saha, Vinija Jain, Samrat Mondal, Aman Chadha

개요

본 논문은 프롬프트 엔지니어링의 최근 발전에 대한 체계적인 개요를 제공하는 서베이 논문입니다. 프롬프트 엔지니어링은 대규모 언어 모델(LLM)과 비전-언어 모델(VLM)의 기능을 확장하는 필수적인 기술로, 모델 매개변수를 수정하지 않고 특정 작업에 대한 지시사항인 프롬프트를 활용하여 모델 효율성을 높입니다. 본 논문은 응용 분야별로 프롬프트 엔지니어링 방법을 분류하고, 각 프롬프트 접근 방식에 대한 요약, 응용 분야, 관련 모델 및 사용된 데이터셋을 제시합니다. 또한 각 접근 방식의 강점과 한계를 자세히 다루고, 프롬프트 기법의 데이터셋, 모델 및 중요한 점을 요약한 분류 다이어그램과 표를 포함합니다. 이러한 체계적인 분석을 통해 빠르게 발전하는 이 분야에 대한 이해를 높이고, 열린 과제와 프롬프트 엔지니어링의 기회를 제시함으로써 미래 연구를 촉진합니다.

시사점, 한계점

시사점:
프롬프트 엔지니어링 분야의 체계적인 이해를 제공하여 향후 연구 방향을 제시합니다.
다양한 프롬프트 엔지니어링 기법들을 응용 분야별로 분류하고 비교 분석하여 실용적인 가이드라인을 제공합니다.
각 프롬프트 기법의 강점과 한계를 명확히 제시하여 효율적인 프롬프트 설계를 위한 지침을 제공합니다.
LLM 및 VLM의 성능 향상을 위한 효과적인 전략으로서 프롬프트 엔지니어링의 중요성을 강조합니다.
한계점:
프롬프트 엔지니어링 분야의 급속한 발전 속도를 고려할 때, 논문 발표 시점 이후 등장하는 새로운 기법들이 반영되지 않을 수 있습니다.
모든 프롬프트 엔지니어링 기법들을 포괄적으로 다루기 어려워, 특정 기법에 대한 심층적인 분석이 부족할 수 있습니다.
프롬프트 엔지니어링의 효과를 평가하는 객관적인 지표와 기준이 아직 부족하여, 기법 간의 비교 분석에 제한이 있을 수 있습니다.
👍