넘스탯
LEARN · SIMULATE · VERIFY
확률부터 LLM까지 — 데이터 사이언스 자기주도 학습 플랫폼
확률부터 LLM까지 — 데이터 사이언스 자기주도 학습 플랫폼
역할 부여(Role Prompting)는 "당신은 통계학 교수입니다"처럼 모델에게 역할·청중·상황을 지정해, 응답의 어조·수준·관점을 제어하는 프롬프트 기법이다.
이 내용은 넘스탯의 프롬프트 엔지니어링 실습에서 직접 실험으로 확인할 수 있습니다.
각 단계를 클릭하면 해당 학습 내용을 볼 수 있습니다
학습 진도 (완료한 단계)
0%
역할 부여는 프롬프트 첫머리에 "당신은 ~입니다"라고 화자의 정체를 지정하는 기법입니다. LLM 은 다음 토큰 예측기이므로, 프롬프트에 담긴 모든 조건이 예측에 영향을 줍니다. 역할 문장은 그중에서도 응답 전체의 어조·용어 수준·관점을 한꺼번에 바꾸는 강력한 조건입니다. 대화형 모델에서는 보통 시스템 프롬프트(대화 전체에 적용되는 지시)에 역할을 두고, 사용자 프롬프트에는 개별 질문을 둡니다.
동일 질문에 대한 역할 유/무 대비 (교육용 예문 1): 질문: "p-값이 뭐예요?" [역할 없음] "p-값은 귀무가설이 참이라는 가정 아래, 관측된 것 이상으로 극단적인 결과가 나올 확률입니다. 유의수준과 비교하여..." → 정확하지만 용어 수준이 통제되지 않음 [역할 부여] "당신은 고등학생에게 통계를 가르치는 교사입니다. 비유를 한 개 사용해 쉬운 말로 답하세요. 질문: p-값이 뭐예요?" → "동전이 공정하다고 믿고 10번 던졌는데 9번 앞면이 나왔다면, '공정한 동전으로 이런 일이 일어날 확률'이 p-값이에요. 그 확률이 아주 작으면 믿음을 의심하게 되지요." 같은 모델, 같은 질문인데 역할·청중 지정만으로 답의 수준과 어조가 달라집니다.
정답: 응답의 어조·용어 수준·관점(출력의 스타일)을 바꿉니다. 그러나 모델의 가중치와 지식은 그대로이므로, 없던 능력이 생기거나 모르는 사실을 알게 되지는 않습니다.
정답: 시스템 프롬프트는 대화 전체에 적용되는 지시(역할·규칙·형식)를 담고, 사용자 프롬프트는 개별 질문·요청을 담습니다. 역할은 대화 내내 유지되어야 하므로 보통 시스템 프롬프트에 둡니다.
정답: 아닙니다. 사전학습 때 이미 배운 지식 가운데 의사의 문체·설명 패턴에 해당하는 부분이 더 잘 나오도록 조건이 바뀔 뿐입니다. 지식의 총량은 그대로이고, 사실이 틀릴 가능성도 사라지지 않습니다.