LLM은 전문성을 보상함

한 줄 요약

LLM 덕분에 누구나 여러 분야에서 준수한 결과를 만들 수 있지만, 같은 모델에서 더 큰 가치를 끌어내는 핵심은 프롬프트 기법보다 도메인 전문성임

핵심 내용

• LLM 덕분에 누구나 여러 분야에서 준수한 결과를 만들 수 있지만, 같은 모델에서 더 큰 가치를 끌어내는 핵심은 프롬프트 기법보다 도메인 전문성임

• Terence Tao는 Jacobian Conjecture의 반례를 ChatGPT와 논의하며 짧고 핵심적인 질문, 간접적인 반박, 독자적인 도약과 대안으로 대화를 주도함

• 이 방식을 형식만 따라 해서는 같은 결과를 얻기 어려우며, 긴 답변에서 관련 아이디어를 추출하고 이상한 부분을 판별하는 수학적 이해가 필요함

• 코드베이스에 익숙한 개발자 역시 “더 단순하게 할 수 있지 않은가”, “이미 X를 하고 있지 않은가”처럼 구체적으로 방향을 교정해 LLM을 더 강하게 활용할 수 있음

• 모델이 강해져도 원하는 해법을 정확히 전달하고 내부 지식을 끌어내는 과정에서는 인간의 판단과 소통 능력이 병목으로 남으므로 전문성의 효용은 계속 유지됨

왜 중요한가

Terence Tao는 Jacobian Conjecture의 반례를 ChatGPT와 논의하며 짧고 핵심적인 질문, 간접적인 반박, 독자적인 도약과 대안으로 대화를 주도함 이 방식을 형식만 따라 해서는 같은 결과를 얻기 어려우며, 긴 답변에서 관련 아이디어를 추출하고 이상한 부분을 판별하는 수학적 이해가 필요함 코드베이스에 익숙한 개발자 역시 “더 단순하게 할 수 있지 않은가”, “이미 X를 하고 있지 않은가”처럼 구체적으로 방향을 교정해 LLM을 더 강하게 활용할 수 있음

참조한 것 · 가져온 것

• 원문: https://www.seangoedecke.com/llms-reward-expertise/

• GeekNews: https://news.hada.io/topic?id=32119