본 논문은 금융 문서 이해 및 수치 추론을 돕기 위해 대규모 언어 모델(LLM)을 활용하는 새로운 프롬프트 학습 프레임워크를 제시합니다. 특히, 고정된 데이터셋에 의존하거나 수동적인 데이터 레이블링이 필요한 기존 방식의 한계를 극복하고자, 데이터 증강 최적화를 기반으로 한 자체 개선 프롬프트 프레임워크를 개발했습니다. 이 프레임워크는 합성 데이터를 생성하고, 검증하며, 프롬프트를 최적화하는 과정을 반복하여 외부 레이블 없이 프롬프트의 정확도를 향상시킵니다. DocMath-Eval 벤치마크를 통해 기존 프롬프트 방식보다 높은 정확도와 견고성을 달성함을 입증했습니다.
