02-예시-설계
02. 예시 설계
섹션 제목: “02. 예시 설계”세 가지 기준 — Anthropic 권장
섹션 제목: “세 가지 기준 — Anthropic 권장”“Relevant: Mirror your actual use case closely. Diverse: Cover edge cases and vary enough that Claude doesn’t pick up unintended patterns.” — Prompting best practices, Anthropic
의역: “연관성: 실제 사용 사례를 가깝게 비추라. 다양성: 에지 케이스를 다루고, 의도치 않은 패턴을 학습하지 않도록 충분히 변주하라.”
여기에 한 가지를 더한다.
- 연관성(Relevance) — 실제 입력과 비슷한가
- 다양성(Diversity) — 우연한 패턴을 학습하지 않게 변주
- 명료성(Clarity) — 사람이 봐도 즉시 “왜 이 정답인지” 이해 가능한가
개수는 몇 개가 적절한가
섹션 제목: “개수는 몇 개가 적절한가”경험적 권장 범위:
| 작업 | 권장 예시 수 |
|---|---|
| 단순 이진 분류 | 2~4 |
| 다중 분류 (3~10 클래스) | 클래스당 1 |
| 톤·문체 강제 | 2~3 |
| 구조화 추출(JSON) | 1~3 (스키마와 함께) |
| 복잡한 추론 | 4~8 + CoT |
너무 많으면 (a) 토큰 비용이 늘고, (b) 모델이 “맨 마지막 예시” 또는 “가장 흔한 예시”에 편향될 수 있다.
순서 효과 — 최근성과 빈도
섹션 제목: “순서 효과 — 최근성과 빈도”모델은 마지막 예시에 가까운 답을 내는 경향이 있다(recency bias). 두 가지 전략:
- 정답 분포를 균형 있게 섞는다 (예: 클래스 A, B, A, B 순)
- 가장 어려운 / 가장 흔한 케이스를 마지막에 둔다
”라벨이 무작위여도 낫다”의 함의
섹션 제목: “”라벨이 무작위여도 낫다”의 함의”Min et al. 결과는 예시를 만들 때 시간을 어디에 쓸지 알려준다. 완벽한 정답을 한 시간 고민하기보다, 다양한 형식을 갖춘 예시 5개를 만드는 데 그 시간을 쓰는 게 낫다. 다만 이는 학술적 발견이지 “정답을 막 적어도 된다”는 뜻은 아니다 — 형식·분포가 더 중요하다는 강조일 뿐이다.
에지 케이스를 반드시 포함
섹션 제목: “에지 케이스를 반드시 포함”다음은 흔히 빠지는 에지 케이스다. 이것을 예시에 포함하지 않으면 운영 중 사고가 난다.
- 빈 입력 — "" / “N/A”
- 모호한 입력 — 어느 카테고리에도 안 맞는 것
- 여러 카테고리 동시 해당
- 악성 입력 — 인젝션 시도
- 다국어 입력