연쇄 추론 유도 (Chain-of-Thought Elicitation)
모델이 답변 전 사고 과정을 단계별로 드러내도록 유도하는 프롬프트 기법
#연쇄 추론 유도#Chain-of-Thought Elicitation#CoT 유도
연쇄 추론 유도란?
연쇄 추론 유도(Chain-of-Thought Elicitation)는 모델에게 최종 답만이 아니라, 중간 사고 과정을 단계별로 설명하도록 요청하는 프롬프트 기법입니다.
예를 들어 "단계별로 생각한 뒤 답해줘" 같은 지시가 여기에 해당합니다.
왜 중요하나요?
복잡한 추론 문제에서 모델의 판단 경로를 확인하기 쉬워져 디버깅과 품질 점검에 도움을 줄 수 있습니다.
반대로, 해당 추론 과정을 대량 수집해 모사 학습에 활용하면 모델 역량 탈취 논란으로 이어질 수 있습니다.
실무에서 볼 포인트
- 적용 범위: 계산·논리 문제 등 추론 투명성이 중요한 영역에서 제한적으로 쓰는 것이 좋습니다.
- 보안 관점: 외부 서비스에서는 추론 노출 정책을 명확히 설정해야 합니다.
- 평가 분리: 정확도 평가와 추론 경로 평가는 별도 지표로 관리하는 것이 효과적입니다.
관련 용어
자연어 처리 (NLP)
어텐션 (Attention)
입력 데이터에서 중요한 부분에 집중하는 딥러닝 메커니즘
자연어 처리 (NLP)
에이전트 (AI Agent)
스스로 판단하고 도구를 활용해 작업을 수행하는 자율 AI
자연어 처리 (NLP)
임베딩 (Embedding)
텍스트나 이미지를 숫자 벡터로 변환하는 표현 기술
자연어 처리 (NLP)
재랭킹 (Reranking)
초기 검색 결과를 다시 평가해 더 관련도 높은 순서로 재정렬하는 후처리 단계
자연어 처리 (NLP)
정보 유실 현상 (Lost in the Middle)
긴 컨텍스트에서 문서 중간 정보가 상대적으로 덜 활용되어 답변 정확도가 떨어지는 현상
자연어 처리 (NLP)
제로샷/퓨샷 (Zero-shot/Few-shot)
예시 없이 또는 소수의 예시만으로 AI가 새로운 작업을 수행하는 방법