Antigravity Agent
30 lines
2.3 KiB
Markdown
30 lines
2.3 KiB
Markdown
---
|
|
id: DFS-001
|
|
category: "10_Wiki/💡 Topics/AI"
|
|
confidence_score: 1.0
|
|
tags: [ai-inference, prompt-engineering, llm, in-context-learning]
|
|
last_reinforced: 2026-04-26
|
|
---
|
|
|
|
# [[Dynamic Few-Shot (동적 퓨샷 선택 전략)|Dynamic Few-Shot (동적 퓨샷 선택 전략)]]
|
|
|
|
## 📌 한 줄 통찰 (The Karpathy Summary)
|
|
> "상황에 가장 잘 맞는 예제를 실시간으로 골라 넣어라" — 고정된 예시(Static Examples)를 사용하는 대신, 사용자 입력과 가장 유사한 사례를 벡터 검색 등을 통해 추출하여 프롬프트에 동적으로 구성하는 기법.
|
|
|
|
## 📖 구조화된 지식 (Synthesized Content)
|
|
- **추출된 패턴:** 대규모 예제 저장소(Example Pool)에서 현재 질문(Query)과 의미적으로 가장 가까운 N개의 예시를 찾아 프롬프트의 컨텍스트로 제공함으로써 모델의 성능을 최적화하는 패턴.
|
|
- **세부 내용:**
|
|
- **Vector Semantic Search:** 사용자 입력을 임베딩하여 벡터 DB에서 가장 유사한 예제들을 검색.
|
|
- **Diversity Selection:** 유사도만 따지지 않고, 다양한 각도의 예시를 섞어 모델의 편향을 방지하는 전략.
|
|
- **Token Efficiency:** 전체 예제를 넣는 대신 꼭 필요한 예제만 골라 넣어 토큰 소모량을 절감하고 성능은 유지.
|
|
- **Context Window Management:** 모델의 컨텍스트 제한 내에서 최적의 예제 개수와 순서를 결정.
|
|
|
|
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
|
- **과거 데이터와의 충돌:** 초기 퓨샷 기법은 하드코딩된 예시를 사용했으나, 입력값의 도메인이 다양해짐에 따라 입력 맞춤형 예제 제공이 필수적이 됨.
|
|
- **정책 변화:** Antigravity 에이전트는 사용자의 질문 의도를 먼저 파악한 뒤, 관련 스킬 문서의 예제 중 가장 적합한 것을 Dynamic Few-Shot으로 주입하여 응답 정확도를 95% 이상으로 유지함.
|
|
|
|
## 🔗 지식 연결 (Graph)
|
|
- **Parent:** 10_Wiki/💡 Topics/AI
|
|
- **Related:** [[Few-Shot-Learning|Few-Shot-Learning]], [[In-Context-Learning|In-Context-Learning]], Vector-Database, [[RAG|RAG]]
|
|
- **Raw Source:** 10_Wiki/Topics/AI/Dynamic Few-Shot (동적 퓨샷 선택 전략).md
|