지침
추출 결과의 품질은 여러 요소에 따라 달라집니다.
다음은 모델에서 최상의 성능을 뽑아내기 위한 지침 세트입니다:
- 모델 온도를
0으로 설정하세요. - 프롬프트를 개선하세요. 프롬프트는 명확하고 간결해야 합니다.
- 스키마를 문서화하세요: 스키마를 문서화하여 LLM에 더 많은 정보를 제공하세요.
- 참조 예시를 제공하세요! 아무 것도 추출되지 않아야 하는 예시를 포함하여 여러 가지 예시가 도움이 됩니다.
- 많은 예시가 있는 경우, 관련성이 높은 예시를 검색하기 위해 검색기를 사용하세요.
- 최고의 사용 가능한 LLM/대화 모델 (예: gpt-4, claude-3 등)로 벤치마킹하세요. - 어떤 것이 최신이며 가장 좋은지 모델 공급 업체와 확인하세요!
- 스키마가 매우 큰 경우, 여러 개의 작은 스키마로 분할하여 별도의 추출을 실행하고 결과를 병합하세요.
- 모델이 정보를 추출하지 않을 수 있도록 스키마를 설정하세요. 그렇지 않으면 모델이 정보를 꾸며내야 할 수도 있습니다!
- 확인/수정 단계를 추가하세요 (LLM에게 추출 결과를 수정하거나 확인하도록 요청하세요).
기억해 주세요!
- LLM은 훌륭하지만 모든 경우에 필수는 아닙니다! 단일 구조화된 소스(예: linkedin)에서 정보를 추출하는 경우 LLM 사용은 좋은 생각이 아닙니다 - 전통적인 웹 스크래핑이 훨씬 더 저렴하고 신뢰할 수 있습니다.
- 사람이 개입하는 ** 정보가 완벽하게 필요한 경우, 복잡한 추출 작업을 다룰 때 최고의 LLM도 실수를 할 수 있으므로 사람이 개입할 계획을 세우는 것이 좋습니다.