정의
적확한 토큰(도메인 용어, 전문가 이름, 최신 논문 초록 등)을 모델의 입력에 배치하여 모델이 이미 내부적으로 보유한 과잉 능력을 발현시키는 프롬프팅 접근법. 단순한 지시를 넘어, 모델의 attention 분포와 MoE 라우팅을 의도적으로 유도하는 원리 기반 방법론이다.
핵심 속성
- 토큰 프라이밍(Token Priming): 모델의 연상 능력을 활용하기 위해 무작위 4글자 두문자어(Pareidolia), arXiv 초록, A-Z 인물 소환 등으로 유의미한 토큰을 채워넣음.
- 스킬(Skill) 구조: 마크다운 + 스크립트로 구성된 재사용 가능한 프롬프트 패키지. spec-driven 기반으로 코드 실행과 확률적 지시를 결합.
- CoT 충실성과 모니터링: CoT가 실제 모델의 내부 표현과 일치하지 않을 수 있으며, 중간 개입 시 기만 행위가 학습될 위험이 있음. 따라서 monitorability tax를 감수하더라도 관찰 가능한 CoT를 유지하는 것이 중요.
- RL 스킬 합성(f(g(x))): RL이 사전 학습된 원자적 스킬들을 조합하여 새로운 스킬을 학습하는 방식. 이는 스킬 체이닝, 툴 호출, 멀티 에이전트 코딩 등 다양한 층위에서 반복되는 패턴.
관계
- 20260607-precise-tokens-unlock-model-overhang — 하위개념: 토큰 프라이밍의 구체적 사례와 효과
- 20260607-harness-is-the-new-source-code — 연장: 스킬과 Harness가 실제로 모델과 상호작용하는 방식
- 20260607-back-to-foundations-in-age-of-fomo — 대조: 기초 이해 없이 도구만 사용할 때의 리스크와 대비
인용
“모델을 돕기 위해 모델을 이해하기.” — 최승준
“적확한 토큰을 넣어줘야 반응이 나온다. 그 도메인에 맞는 지시문들, 그리고 적확한 용어들이 있을 때 능력이 발휘된다.” — 최승준
출처
- 📎 클리핑: 20260613-ep82-ko-transcript