prompt engineering
-
ChatGPT 프롬프트 엔지니어링 #5. Inferring (Isa Fulford, Andrew Ng)Data & ML & AI/LLM 2023. 5. 23. 00:54
텍스트에서 레이블을 추출하거나, 감정분석(긍정/부정분석)등의 추론(Inferring)을 진행하는 방법론, 모델은 이미 많이 있습니다. 하지만 일반적인 머신러닝 워크플로우에서라면 각 라벨링 데이터셋을 수집/구축하고, 모델을 훈련하고, 배포해야 합니다. 꽤 많은 절차와 수고가 따릅니다. 하지만 LLM을 사용할 경우, 프롬프트만 작성하면 머신러닝 모델을 따로 관리할 필요 없이 바로 결과를 생성해 낼 수 있다는 장점이 있습니다. 그리고 무엇보다도 서로 다른 여러가지 추론모델을 각각 관리할 필요 없이 단 하나의 모델, 하나의 API만으로 해결 가능하다는 장점이 있습니다. 하지만 비용은 그만큼 더 많이 나가잖아요 교수님... 즉, 서비스 개발, 서비스 배포의 속도가 매우 빨라지고 관리가 쉬워진다는 겁니다. 활용예시..