프롬프트에 ‘전문가처럼 행동해’라고 말하는 것과 실제 전문 용어를 집어넣는 것은 전혀 다르다. 최승준의 실험에 따르면, 특정 도메인의 용어(예: Kahneman, Minsky, Merleau-Ponty 같은 인물명)를 프롬프트 앞부분에 배치하기만 해도 응답의 질이 눈에 띄게 달라진다. 마치 게임 맵에서 어두운 지역이 밝혀지듯, 모델의 내부 표현 공간 중 해당 영역이 ‘켜지는’ 느낌이다.
더 흥미로운 점은 내가 그 용어를 전혀 이해하지 못해도 괜찮다는 것이다. arXiv에서 무작위 논문 초록을 가져와서 용어만 추출해도 모델은 그 연결고리를 스스로 찾아낸다. 이는 모델이 사전 학습 때 이미 그 영역을 알고 있지만, 적절한 키가 없으면 관련 지식이 활성화되지 않기 때문이다.
근거
팟캐스트에서 실험 결과가 직접 언급된다: “대강 이런 전문가 persona를 써서 그 사람이 할 법한 것처럼 얘기를 하는 것과 실제로 그 전문가가 쓸 만한 토큰을 그래도 유사하게나마 넣어줬을 때의 응답은 질이 달라져요.” 또한 무작위 두문자어(파레이돌리아 활용)로 발산적 탐색을 시도한 사례가 소개된다.
연결된 생각
- 20260605-accurate-token-domain-priming — 개념적 정의와 원리
- 20260605-understand-model-to-help-model — 모델을 이해해야 도울 수 있다는 메타 인사이트
- 20260508-llm-wiki-compounds-with-accumulation — 지식이 쌓이면 정확도가 높아지는 현상과의 병렬성
출처
- 📎 클리핑: 20260613-ep82-ko-transcript