LLM 추론 향상을 위한 스텝백 프롬프팅

복잡한 질문에 직면했을 때, 직접 답하지 마십시오. 대신, 먼저 '한 걸음 물러서서' 문제를 더 높은 수준으로 추상화하십시오. 유용한 맥락을 제공하는 더 광범위하고 일반적인 질문을 하십시오. 예를 들어, 특정 물리 문제를 푸는 대신 '근본적인 물리 원리는 무엇인가?'라고 물어보십시오. 또는 특정 사건을 묻기보다는 '그 사람의 전반적인 교육 이력은 무엇인가?'라고 물어보십시오. 이 추상적 질문에 대한 답을 원래 질문과 결합하여 LLM에 맥락으로 제공하십시오. 이는 모델이 더 정확하게 추론하는 데 도움이 되는 고품질의 맥락 정보를 제공합니다. 이 기법은 문제를 단계로 분해하는 Chain-of-Thought(CoT)와 다릅니다; Step-Back Prompting은 대신 문제를 더 높은 관점에서 재구성하여 관련 맥락을 생성합니다.