서술형 설명을 위한 AI가 스스로 적응하는 프로세스: LLM을 이용한 태스크 플랜 설명

대규모 언어 모델(LLM)을 이용한 복잡한 소프트웨어 시스템에 대한 설명을 생성하는 것은 AI의 불투명한 프로세스, 즉 자동화된 태스크 플랜에 대한 이해가 가능합니다. 그러나 이러한 설명의 품질과 신뢰성은 효과적인 프롬프트 엔지니어링에 의존합니다. 사용자 그룹의 다양한 이해 관계자가 프롬프트를 어떻게 형성하고 개선하는지에 대한 체계적인 이해의 부족은 이러한 프로세스를 자동화하는 도구의 개발을 방해합니다. COMPASS(코그니티브 모델링을 이용한 프롬프트 자동 합성 시스템)는 프롬프트 엔지니어링을 인지적이고 확률적 의사 결정 프로세스로 formalize한 self-adaptive 접근법을 소개합니다. COMPASS는 사용자의 latente 인지 상태, 즉 주의, 이해, 불확실성, 관찰 가능한 상호 작용 징후를 포함하여 POMDP를 모델링하여 adaptively 설명 생성 및 프롬프트 개선에 대한 synthesised 정책을 제공합니다. 우리는 두 가지 다양한 사이버-물리적 시스템의 사례를 사용하여 COMPASS의 adaptively 설명 생성 및 그 품질을 평가합니다. 양적 및 질적 평가를 통해 COMPASS가 복잡한 태스크 플랜 시스템에 인간 인지 및 사용자 프로파일의 피드백을 통합하는 자동 프롬프트 합성을 가능하게 함을 보여줍니다.

2026년 4월 24일 AI 자동 생성

COMPASS: 인지적 프롬프트 자동 합성 시스템

COMPASS는 사용자의 latente 인지 상태, 즉 주의, 이해, 불확실성, 관찰 가능한 상호 작용 징후를 포함하여 POMDP를 모델링하여 adaptively 설명 생성 및 프롬프트 개선에 대한 synthesised 정책을 제공합니다. COMPASS는 프롬프트 엔지니어링을 인지적이고 확률적 의사 결정 프로세스로 formalize한 self-adaptive 접근법을 소개합니다.

COMPASS의 평가

우리는 두 가지 다양한 사이버-물리적 시스템의 사례를 사용하여 COMPASS의 adaptively 설명 생성 및 그 품질을 평가합니다. 양적 및 질적 평가를 통해 COMPASS가 복잡한 태스크 플랜 시스템에 인간 인지 및 사용자 프로파일의 피드백을 통합하는 자동 프롬프트 합성을 가능하게 함을 보여줍니다.

결론

COMPASS는 프롬프트 엔지니어링을 인지적이고 확률적 의사 결정 프로세스로 formalize한 self-adaptive 접근법을 소개합니다. COMPASS는 사용자의 latente 인지 상태, 즉 주의, 이해, 불확실성, 관찰 가능한 상호 작용 징후를 포함하여 POMDP를 모델링하여 adaptively 설명 생성 및 프롬프트 개선에 대한 synthesised 정책을 제공합니다. COMPASS는 복잡한 태스크 플랜 시스템에 인간 인지 및 사용자 프로파일의 피드백을 통합하는 자동 프롬프트 합성을 가능하게 함을 보여줍니다.

COMPASS는 프롬프트 엔지니어링을 인지적이고 확률적 의사 결정 프로세스로 formalize한 self-adaptive 접근법을 소개합니다.
COMPASS는 사용자의 latente 인지 상태, 즉 주의, 이해, 불확실성, 관찰 가능한 상호 작용 징후를 포함하여 POMDP를 모델링하여 adaptively 설명 생성 및 프롬프트 개선에 대한 synthesised 정책을 제공합니다.
COMPASS는 복잡한 태스크 플랜 시스템에 인간 인지 및 사용자 프로파일의 피드백을 통합하는 자동 프롬프트 합성을 가능하게 함을 보여줍니다.

원문 보기 arXiv AI

함께 읽으면 좋은 기사

AI 모델 4일 전

Anthropic의 연간 매출액 6,500억 달러로 급증

모델 제작자(MODEL MAKER)는 2개월 만에 연간 $18 억 달러의 매출을 추가했다.

AI 모델 4일 전

아마존이 책을 처음으로 판매하기 시작한 이후로 귀중한 책을 파괴하여 AI를 교육하고 있습니다.

진귀한 책들은 대규모 언어 모델(LLM) 교육에 매우 가치가 높다. 왜냐하면 이 모델들은 이미 온라인에서 접근할 수 있는 모든 것을 통해 교육을 받았기 때문이다.

AI 모델 8월 16일

구글 지니미(Google Gemini)의 보이는 워터마크를 끄는 방법이 나왔다!

구글은 이제 지니미와 플로(Google's AI video generator, Flow)에서 AI工具을 이용해 만든 미디어에 보이는 워터마크를 제거할 수 있는 기능을 제공합니다. 이 업데이트로, 사용자는 지니미와 플로의 새로운 '미디어 워터마크' 설정을 끌 수 있습니다. 워터마크가 끄면, 지니미에서 생성된 이미지, 비디오, 음악에 나타나는 '스파클(sparkle)' 워터마크가 사라집니다.

AI 모델 8월 16일

애플, 중국 위해 알리바바와 함께 자체 AI 모델을 교육

애플은 중국 시장에 맞는 맞춤형 AI 모델을 중국 기술巨인 알리바바와 함께 개발하고 훈련했다고 보고되었다. 이는 베이징과 워싱턴 간 커져가는 긴장감을 무시하고 중국과 미국 사이에 드문 획기적인 협력이다. 알리바바의 지원을 받으며 개발된 중국을 대상으로 한 대규모 언어 모델(LLM) 훈련은 알리바바와 함께 개발되었으며, 리트저스는 훈련에 대한 지원을 받았다고 세 명의 익명한 사람들의 진술에 근

AI 모델 8월 15일

대량 언어 모델(LLM) 개인화에 대한 대응: Meta-LoRA를 이용한 다원 도메인 선호도 학습

대규모 언어 모델(LLM)의 개인화를 위한 다원 도메인 선호도 학습은 새로운 대화 도메인에서 사용자 선호도에 맞는 응답을 생성하는 것을 목표로 합니다. 하지만 기존의 적응 방법은 적은 수의 대상 도메인 상호 작용만으로 업데이트한 크기를 조정하기 어려워 오버피팅을 일으키며, 역전파 방법은 사용자 선호도를 소스 도메인 오류와 혼동하여 불신할 수 있는 개인화 전제 조건과 부정적인 전이를 일으킵니다. 이러한 문제를 해결하기 위해, 우리는 PAC-Bayes-정규화된 Meta-LoRA를 제안하여, 업데이트한 크기를 증거의 질에 맞게 조정하고, 오버피팅을 최소화하며, 증거가 증가할 때 강한 개인화를 허용합니다.