Step-Back Prompting: 먼저 더 큰 질문을 던지세요

LLM (Large Language Model)에 구체적이고 세부 사항이 많은 질문을 던지면, 모델이 종종 세부 사항에 매몰되어 실수를 저지르곤 합니다. Step-Back Prompting은 한 가지 동작으로 이를 해결합니다. 먼저 일반적인 질문을 던진 다음, 그 답변을 구체적인 질문에 적용하는 것입니다. 여기 실시간 비교 결과가 있습니다.

🪜 직접 질문 vs Step-back 비교 시청: https://dev48v.infy.uk/prompt/day17-step-back.html

기술 (The technique)

두 단계로 이루어집니다:

1. Step back (한 걸음 물러나기) — 구체적인 질문을 더 일반적인 질문으로 바꿉니다. "온도가 3배가 되고 부피가 절반이 된다면, 새로운 압력은 무엇인가요?" → "압력, 온도, 부피를 연관시키는 원리는 무엇인가요?" (기체 법칙).
2. Apply (적용하기) — 해당 원리를 회상/검색한 다음, 이를 사용하여 원래의 질문에 답합니다.

데모에서는 직접적인 답변(산술 계산에서 실수함)과 Step-back 경로(법칙을 진술하고, 이를 적용하여 정답을 맞힘)를 비교합니다.

작동 원리 (Why it works)

일반적인 질문은 모델이 추측을 확정하기 전에 올바른 _프레임워크 (Framework)_를 표면으로 끌어올립니다. 이는 서두르는 것과는 반대되는 실패 모드입니다. 모델에게 먼저 발판을 제공하는 것입니다.

강점 (Where it shines)

과학/물리학, 다단계 추론 (Multi-hop reasoning), 그리고 특히 **RAG (Retrieval-Augmented Generation)**에서 빛을 발합니다. 일반적인 쿼리는 매우 구체적인 쿼리보다 더 나은 배경 문서를 검색해 옵니다. 이는 Chain-of-thought (추상화 후 전방향 추론)와 자연스럽게 결합됩니다.

🔨 전체 패턴 (Step-back 질문을 위한 프롬프트 → 원리 회상 → 원래 질문에 답변)은 페이지에서 확인하세요: https://dev48v.infy.uk/prompt/day17-step-back.html

PromptFromZero의 일부입니다. 🌐 https://dev48v.infy.uk