이유를 설명하도록 모델에 지시하면 모델은 문제 해결을 위해 사용한 단계로 응답합니다. 특히 까다로운 쿼리의 경우 이 프로세스를 통해 정확성과 미묘한 차이가 발생할 수 있습니다.
추론 단계는 응답의 일부로 포함됩니다. 찾고 있는 답변에서 추론 단계를 파싱하려면 XML 또는 기타 구분 기호를 사용하여 출력 형식을 지정하면 됩니다.
| 입력 프롬프트 | 응답 | 발언 인용 | |
|---|---|---|---|
| 스탠더드 | 문장: "요리사가 닭고기를 양념을 했고 닭고기가 하얗게 보였기 때문에 오븐에 넣었습니다." 이 문장을 가장 잘 해석한 것은 무엇인가요? |
셰프가 닭고기를 양념한 후 오븐에 넣은 이유는 색깔이 부족하고 요리가 필요해 보였기 때문입니다. | 응답에는 문제가 없지만 추가 정보가 있으면 더 나은 결과를 얻을 수 있습니다. |
| 단계별로 생각하기 | 문장: "요리사가 닭고기를 양념을 했고 닭고기가 하얗게 보였기 때문에 오븐에 넣었습니다." 이 문장을 가장 잘 해석한 것은 무엇인가요? 단계별로 생각하고 사고 과정을 출력합니다. 'answer'의 최종 답변이 포함된 JSON 형식으로 출력하고 'think' 필드의 단계를 고려하세요. |
{ "answer": "셰프가 닭고기에 풍미를 더하기 위해 양념을 했고 덜 익은 것처럼 보였기 때문에 오븐에 넣어 익혔습니다.", "think": [ { "step": 1, "thought": "셰프가 닭고기를 양념했습니다. 이는 셰프가 요리를 위해 닭고기를 준비하고 있음을 보여줍니다." }, { "step": 2, "thought": "셰프가 닭고기를 오븐에 넣었습니다. 이는 셰프가 닭고기를 요리하고 있음을 나타냅니다." }, { "step": 3, "thought": "문장에 닭고기가 하얗게 보였다고 나와 있습니다. 하얗게 보이는 닭고기는 덜 익은 경우가 많습니다." }, { "step": 4, "thought": "이러한 관찰 결과를 종합해보면 셰프가 닭고기에 풍미를 더하기 위해 양념을 했고 닭고기가 덜 익은 것처럼 보였기 때문에 오븐에 넣어 요리했을 가능성이 높습니다." } ] } |
Gemini에 사고 과정을 출력하도록 지시하면 실제 답변이 더 정확해집니다. |