정의
적확한 토큰 프라이밍이란, LLM이 특정 도메인에서 최적의 성능을 발휘하도록 해당 도메인의 전문 용어·개념·인명 등을 프롬프트 앞부분에 전략적으로 배치하는 기법이다. 모델이 이미 보유한 광범위한 지식을 활성화하는 트리거 역할을 한다.
핵심 속성
- 필요성: 적절한 토큰이 없으면 모델은 기본 분포에 머물며 해당 도메인의 공간을 탐색하지 못한다.
- 효과: 전문 용어 사용 여부에 따라 응답 질에 현저한 차이가 발생한다. (최승준의 실험 결과)
- 확보 방법: 무작위 두문자어 생성, arXiv 논문 초록 추출, A-Z 인물 소환 등 발산 기법으로 확보 가능.
- 위험성: 모델이 유저를 해당 도메인 전문가로 오인하여 “스포츠카 모드”로 전환되면 통제가 어려워짐.
관계
- 20260606-understand-model-to-help — 상위 개념 (모델 이해의 필요성)
- 20260606-fomo-and-foundation-review — 연장 (기초 복습과의 연관성)
인용
“그 특정한 용어를 쓸 때와 안 쓸 때의 응답의 질 차이는 꽤 나거든요. … 그것을 알고 있는 사람이 잘 쓰는 건가. 그런데 AI의 발전의 방향이 과연 그렇기만 할까.” “모델이 유저가 이걸 다 알아차리나 보다라고 해서 갑자기 스포츠카 모드가 되면 다루기가 어려워지긴 해요.”
출처
- 📎 클리핑: 20260613-ep82-ko-transcript