예시 기반(Few-shot) 프롬프팅

Few-shot Prompting이란?

모델에게 작업 방식을 설명하는 대신, 직접 예시를 보여주는 기법입니다. 인간이 새 업무를 배울 때 "예를 들면 이런 방식으로 해줘"라고 하는 것과 같습니다.

# Zero-shot: 예시 없이 바로 요청
"이 리뷰가 긍정인지 부정인지 분류해줘: 배송이 너무 느렸어요."

# One-shot: 예시 1개
"리뷰를 긍정/부정으로 분류해줘.
 예시: 포장이 꼼꼼해서 좋았어요 → 긍정
 분류해줘: 배송이 너무 느렸어요."

# Few-shot: 예시 여러 개
"리뷰를 긍정/부정/중립으로 분류해줘.
 예시1: 포장이 꼼꼼해서 좋았어요 → 긍정
 예시2: 배송이 3일이나 걸렸어요 → 부정
 예시3: 그냥 보통이에요 → 중립
 분류해줘: 배송이 너무 느렸어요."

Few-shot이 효과적인 이유

모델은 예시를 통해 다음을 학습합니다:

• 작업 형식: 입력과 출력의 패턴
• 판단 기준: 경계 케이스 처리 방식
• 출력 스타일: 어조, 길이, 구조
• 도메인 특화 규칙: 일반적 규칙에서 벗어난 특수 케이스

예시 설계의 핵심 원칙

원칙 1: 다양성 확보

예시가 모두 비슷하면 모델이 패턴을 과도하게 일반화합니다.

# 나쁜 예시 세트 (모두 비슷한 케이스)
예시1: "너무 좋았어요!" → 긍정
예시2: "정말 마음에 들었습니다" → 긍정
예시3: "훌륭한 제품이네요" → 긍정

# 좋은 예시 세트 (다양한 케이스)
예시1: "너무 좋았어요!" → 긍정
예시2: "배송은 빨랐는데 품질이 별로" → 부정 (복합 감정)
예시3: "예상대로였어요, 특별하진 않음" → 중립 (무감정)
예시4: "처음엔 실망했지만 CS 대응이 훌륭해서 만족" → 긍정 (반전)

원칙 2: 경계 케이스 포함

# 경계 케이스가 중요한 이유
모호한 입력: "빨리 왔는데 생각보다 작네요"
→ 경계 케이스 예시 없으면 모델이 임의로 판단
→ 경계 케이스 예시 있으면 일관된 기준 적용

원칙 3: 예시의 형식 일관성

# 형식이 일관된 예시 (좋음)
입력: "..."
분류: [레이블]
이유: "..." (한 줄)

# 형식이 불일관한 예시 (나쁨)
예시1 형식: 입력 → 레이블
예시2 형식: 입력 : 레이블 (이유: ...)

고급 기법: 예시의 순서 효과

연구에 따르면 Few-shot에서 마지막 예시가 결과에 가장 큰 영향을 미칩니다 (최신성 편향, Recency Bias). 가장 중요하거나 대표적인 예시를 마지막에 배치하세요.

... (일반 예시들) ...
마지막 예시: [가장 입력과 유사한 케이스] → [원하는 패턴]
분류해줘: [실제 입력]

실전 Few-shot 활용: 구조화된 데이터 추출

아래 형식으로 채용 공고에서 정보를 추출해줘.

예시1:
입력: "삼성전자 소프트웨어 엔지니어 채용. 경력 3년 이상. 서울 강남구. 연봉 5,000~7,000만원"
출력: {"company": "삼성전자", "role": "소프트웨어 엔지니어", "experience": "3년 이상", "location": "서울 강남구", "salary": "5000-7000"}

예시2:
입력: "스타트업 백엔드 개발자 구함. 신입 가능. 판교. 급여 협의"
출력: {"company": null, "role": "백엔드 개발자", "experience": "신입 가능", "location": "판교", "salary": null}

추출해줘: "카카오 데이터 분석가 채용. 경력 2년 이상 우대. 제주 또는 판교. 연봉 4,500만원~"

Few-shot vs. Fine-tuning 선택 기준

기준	Few-shot	Fine-tuning
데이터 준비	3~10개 예시	수백~수천 개 예시 필요
적용 속도	즉시	훈련 시간 필요
비용	낮음	높음
일관성	중간	높음
적합한 경우	탐색, 프로토타이핑	대규모 반복 작업

몇 개의 예시가 최적인가?

연구 결과에 따르면:

• 1~3개: 형식 패턴 학습에 충분
• 5~10개: 복잡한 분류나 뉘앙스 학습에 효과적
• 10개 이상: 컨텍스트 윈도우를 낭비할 수 있음. 대신 Fine-tuning 고려

Few-shot은 모델에게 "이렇게 해줘"라고 설명하는 것보다 "이렇게 한 게 바로 내가 원하는 거야"라고 보여주는 것입니다. 다양성 있는 고품질 예시 5~7개가 수백 단어의 지시보다 강력한 경우가 많습니다.

관련 검색어  ·  Few-shot 프롬프팅, 예시 기반 프롬프트, Zero-shot One-shot, 프롬프트 예시 설계, In-context Learning, AI 분류 프롬프트