본 논문은 대규모 언어 모델을 위한 프롬프트 최적화 문제를 다룹니다. 기존의 반복적인 프롬프트 수정이나 몇몇 인-컨텍스트 예제 자동 선택 기반 알고리즘과 달리, UniPrompt는 주어진 훈련 예제로부터 작업의 여러 측면(예: 반례, 설명, 유추)을 학습하는 접근 방식을 제시합니다. UniPrompt는 프롬프트를 느슨하게 결합된 의미적 섹션으로 분할하고, 입력 공간을 클러스터링하여 각 배치가 작업의 다른 측면에 해당하도록 합니다. 또한, 섹션 추가, 수정, 삭제를 제안하는 피드백 메커니즘을 사용하여 일반화 가능한 측면을 포착합니다. 실험 결과, UniPrompt는 사람이 조정한 프롬프트 및 최첨단 방법보다 높은 정확도를 달성하며, 특히 기존 방법이 생성할 수 없는 길고 복잡한 프롬프트를 생성할 수 있음을 보여줍니다.
