본 논문은 대규모 언어 모델(LLM)의 성능 향상에 중요한 프롬프트 최적화에 대한 연구를 제시합니다. 기존 연구가 특정 사용자 프롬프트에 집중한 것과 달리, 이 연구는 다양한 작업 및 도메인에 적용 가능한 시스템 프롬프트 최적화에 초점을 맞춥니다. 특히, 다양한 사용자 프롬프트에 강건하고, 미지의 작업에도 적용 가능한 시스템 프롬프트를 설계하기 위해, 메타 학습 프레임워크를 제안합니다. 이 프레임워크는 여러 데이터 세트의 다양한 사용자 프롬프트를 통해 시스템 프롬프트를 메타 학습하며, 사용자 프롬프트를 반복적으로 업데이트하여 시너지를 창출합니다. 5개의 다른 도메인에 걸쳐 14개의 미지의 데이터 세트에 대한 실험 결과, 제안된 방법이 다양한 사용자 프롬프트에 효과적으로 일반화되는 시스템 프롬프트를 생성함을 보여줍니다. 또한, 최적화된 시스템 프롬프트는 미지의 작업에도 빠르게 적응하여 테스트 시 사용자 프롬프트 최적화 단계를 줄이면서도 성능을 향상시킬 수 있음을 확인했습니다.
