docs(10_Wiki): 위키 전체 재구성 — Topic_* 폴더를 4개 카테고리로 통합 + 대규모 중복 제거
Topic_Agent/Topic_Blog/Topics/Topics_Biz/Topics_Meeting/Topics_Rag의 마크다운 지식 문서를 Topic_General/Topic_Programming/Topic_Graphic/Topic_Business 4개 카테고리로 재분류. - 중복 제거: frontmatter의 status:duplicate/merged + duplicate_of/redirect_to 필드로 자기 자신을 중복으로 선언한 리다이렉트 stub 1032개 제거, 완전 동일 내용 파일 472개 제거, 동일 파일명·다른 내용 충돌 시 더 큰(완전한) 버전만 유지(162개 제거) — 총 1639개 중복 제거. - 분류: 폴더 단위로 명확한 항목(AI_and_ML/Coding/Architecture 등 → Programming, Comfyui/Visual_Effects → Graphic, Topics_Biz/Topics_Meeting/사업 등 → Business, Poetic_Blog_Writing/창의성/Game_Design 등 → General)은 폴더 우선순위로, 나머지 혼재 폴더(Topic_Agent/Topic_Blog/Topics 루트/Thinking & Reasoning/Other/UI_UX_Assets)는 title/tags 키워드 스코어링으로 파일 단위 분류(불명확한 경우 General로 폴백). 원본 폴더명은 "From_*" 서브폴더로 보존해 추적 가능성 유지. - 최종 배치: Programming 2784 / General 1608 / Graphic 285 / Business 249 = 4926개 문서. - 에이전트 운영 상태(.astra/.agent/.obsidian/sessions/memory/_company/docs/lessons/_shared/src)는 지식 콘텐츠가 아니므로 재분류 대상에서 제외하고 원위치 유지. - Topics/Topic_email(상위 보호 폴더 Topic_email과 파일명 100% 중복) 삭제 — 보호 폴더 자체는 미변경. - 완전히 비게 된 Topic_Agent/Topic_Blog/Topics_Biz/Topics_Rag 폴더 제거.
This commit is contained in:
Antigravity Agent
@@ -0,0 +1,145 @@
|
||||
---
|
||||
id: wiki-2026-0508-conversational-maxims
|
||||
title: Conversational Maxims (Grice)
|
||||
category: 10_Wiki/Topics
|
||||
status: verified
|
||||
canonical_id: self
|
||||
aliases: [Gricean Maxims, Cooperative Principle, Grice's Maxims]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.95
|
||||
verification_status: applied
|
||||
tags: [linguistics, pragmatics, nlp, dialogue, prompt-engineering]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-10
|
||||
github_commit: pending
|
||||
tech_stack:
|
||||
language: N/A (theory)
|
||||
framework: Pragmatics / NLP
|
||||
---
|
||||
|
||||
# Conversational Maxims (Grice)
|
||||
|
||||
## 매 한 줄
|
||||
> **"매 conversational maxims 의 핵심: cooperative principle + 4 maxims (Quantity, Quality, Relation, Manner)"**. 매 1975 Paul Grice 의 "Logic and Conversation" 으로 정립, 매 pragmatics 의 cornerstone. 매 2026 현재 LLM alignment / prompt engineering / conversational AI 의 design heuristics 으로 적극 활용 — 매 RLHF reward 의 latent objective 와 align.
|
||||
|
||||
## 매 핵심
|
||||
|
||||
### 매 Cooperative Principle (Grice)
|
||||
> "매 contribute what is required, when required, by purpose of exchange."
|
||||
|
||||
### 매 4 Maxims
|
||||
- **Quantity**: 매 informative as required, 매 not more, 매 not less.
|
||||
- **Quality**: 매 truthful — 매 don't say what you believe false / lack evidence for.
|
||||
- **Relation**: 매 relevant.
|
||||
- **Manner**: 매 clear — avoid obscurity, ambiguity, prolixity, disorder.
|
||||
|
||||
### 매 Implicature (key concept)
|
||||
- **Conversational implicature**: 매 maxim flouting → inferred meaning.
|
||||
- 예: "Some students passed" → implies "not all" (Quantity implicature).
|
||||
- 매 LLM 의 training 의 implicit 학습 — 매 helpful answer pattern 의 핵심.
|
||||
|
||||
### 매 응용
|
||||
1. Prompt engineering (be specific, give context, not too verbose).
|
||||
2. LLM evaluation (helpful = Quantity+Relation, honest = Quality, harmless = Manner).
|
||||
3. Dialogue system design (Alexa, Siri, ChatGPT response shaping).
|
||||
4. Translation / cross-cultural pragmatics.
|
||||
|
||||
## 💻 패턴
|
||||
|
||||
### LLM system prompt aligned with maxims
|
||||
```text
|
||||
You are a helpful assistant. Follow Grice's maxims:
|
||||
- Quantity: Provide enough detail to answer fully, but no more.
|
||||
- Quality: Only state facts you are confident about; flag uncertainty.
|
||||
- Relation: Stay on topic; avoid tangents unless asked.
|
||||
- Manner: Be clear and structured; avoid jargon unless necessary.
|
||||
If any maxim conflicts (e.g., user asks for brevity but full detail
|
||||
is needed), state the trade-off explicitly.
|
||||
```
|
||||
|
||||
### Maxim-aware response template
|
||||
```python
|
||||
def respond(user_query, context):
|
||||
# Quality check
|
||||
if not has_evidence(user_query, context):
|
||||
return "I'm not certain. Based on partial info: …"
|
||||
# Quantity calibration
|
||||
detail_level = infer_detail(user_query) # short/medium/long
|
||||
# Relation filter
|
||||
relevant_ctx = filter_relevant(context, user_query)
|
||||
# Manner formatting
|
||||
return format_clear(answer, detail_level)
|
||||
```
|
||||
|
||||
### Implicature detection (NLI-style)
|
||||
```python
|
||||
from transformers import pipeline
|
||||
nli = pipeline("zero-shot-classification",
|
||||
model="facebook/bart-large-mnli")
|
||||
# "Some students passed" implicates "not all passed"
|
||||
out = nli("Some students passed",
|
||||
candidate_labels=["all passed", "not all passed", "none passed"])
|
||||
```
|
||||
|
||||
### Dialogue state — maxim violations as repair triggers
|
||||
```python
|
||||
def detect_violation(turn, prev_turn):
|
||||
violations = []
|
||||
if turn.length > 3 * prev_turn.length and not requested_detail:
|
||||
violations.append("quantity-too-much")
|
||||
if not topically_related(turn, prev_turn):
|
||||
violations.append("relation")
|
||||
if has_hedging_with_no_basis(turn):
|
||||
violations.append("quality")
|
||||
return violations
|
||||
```
|
||||
|
||||
### Prompt template — Maxim-of-Quantity calibration
|
||||
```text
|
||||
Answer in {N} sentences. If the question requires more, say "Answering
|
||||
fully needs more space — should I expand?" before continuing.
|
||||
```
|
||||
|
||||
### Anti-hallucination via Quality maxim
|
||||
```text
|
||||
If you don't know, say "I don't know" rather than fabricating. Cite
|
||||
source when possible. Distinguish: (a) verified, (b) likely, (c) speculation.
|
||||
```
|
||||
|
||||
## 매 결정 기준
|
||||
| 상황 | Apply |
|
||||
|---|---|
|
||||
| Designing system prompt | 4 maxims as explicit guidelines |
|
||||
| LLM eval rubric | Map to helpful/honest/harmless |
|
||||
| Dialogue agent | Track maxim adherence per turn |
|
||||
| Cross-cultural deploy | Manner / Quantity vary by culture (high vs low context) |
|
||||
| Sarcasm / irony | Flouting Quality intentionally — model must recognize |
|
||||
|
||||
**기본값**: 매 system prompts 의 4 maxims 의 명시 inclusion — measurable quality 향상.
|
||||
|
||||
## 🔗 Graph
|
||||
- 부모: [[Pragmatics]]
|
||||
- 응용: [[Prompt Engineering]]
|
||||
- Adjacent: [[RLHF]]
|
||||
|
||||
## 🤖 LLM 활용
|
||||
**언제**: 매 prompt design 의 framework, 매 alignment 의 axiom, 매 dialog quality eval 의 rubric, 매 사회적 misunderstanding 분석.
|
||||
**언제 X**: 매 hard math / formal logic — 매 pragmatic principles 와 무관.
|
||||
|
||||
## ❌ 안티패턴
|
||||
- **Maxims 의 strict rules 화**: 매 Grice 의 본의 의 X — 매 default expectations + flouting 의 intentional.
|
||||
- **Universal application**: 매 culture-specific (high-context cultures 의 less Quantity).
|
||||
- **Ignoring Manner in technical writing**: 매 jargon 남용 → comprehension 손실.
|
||||
- **Overweighting Quantity (verbose LLM)**: 매 long ≠ helpful — 매 RLHF length bias 주의.
|
||||
- **Quality bypass via hedging**: 매 "I think maybe possibly" 의 fake humility — actual uncertainty 의 explicit calibration.
|
||||
|
||||
## 🧪 검증 / 중복
|
||||
- Verified (Grice 1975 "Logic and Conversation", Levinson 1983 Pragmatics, modern NLP textbooks Jurafsky & Martin 4th ed.).
|
||||
- 신뢰도 A.
|
||||
|
||||
## 🕓 Changelog
|
||||
| 날짜 | 변경 |
|
||||
|---|---|
|
||||
| 2026-05-08 | Phase 1 |
|
||||
| 2026-05-10 | Manual cleanup — Gricean maxims + LLM alignment application |
|
||||
Reference in New Issue
Block a user