에이전트 시대의 AI 시스템 설계

342

에이전트 시대의 AI 시스템 설계

abs

/

2306

.

11644

)에서 마이크로소프트 연구진은 잘 큐레이션되고 다양성 높은 고품질 교과

서 연습 문제들로 훈련한 작은 모델이 품질이 중구난방으로 정리되지 않은 데이터셋으로 훈련

한 더 큰 모델보다 성능이 우수함을 보여 주었다.

데이터 품질 개선에는 루프에 인간 전문가를 포함해서 질문-답변 쌍들을 평가하고 수정하게

하는 것이 크게 도움이 된다. 경우에 따라서는

LLM

으로 예시들을 평가하는 것으로 (제

6

장 §

6

.

1

“패턴

17

: 심판형

LLM

” 참고 ) 충분할 수도 있다.

단계

3

까지 마쳐서 고품질 훈련 데이터셋이 준비되었다면, 모델에 지시사항 조정을 적용한다.

이것이 앞에서 자세히 다룬 단계

4

이다. 단계

1

부터 단계

4

까지 지시사항 진화 패턴의 전체 과

정이 나온 [그림

5

-

14

]도 다시 참고하면 좋을 것이다.

다음 절에서는 지시사항 진화의 전체 과정을 예제를 통해 따라가 본다.

5.5.3

예제

현실에서 지시사항 조정은

LLM

이 주어진 작업을 특정 조직의 업무와 고객, 공급망, 인재 시장,

경쟁 상황에 맞추어서 능숙하게 수행하게 만들기 위한 것일 때가 많다. 따라서 지시사항 조정

을 위한 훈련 데이터에는 해당 조직의 기밀 데이터나 비즈니스 제약 조건, 위협 요소 등이 포함

되기 마련이다. 하지만 이 책은 누구나 볼 수 있는 공개된 자료이므로, 기밀 데이터가 관여하는

현실적인 예제를 제시하기가 어렵다. 아쉽지만 여기서는 공개 데이터를 이용하기로 한다.

목표: 비즈니스 전략

이 지시사항 진화 예제는 ...