소개

내용이 복잡하고 방대한 논문이나 강좌에서 새로운 개념을 배우려면 단순한 요약만으로는 부족합니다. 목표는 실제로 활용할 수 있는 개념적 틀을 세우는 것입니다. 해당 개념이 어떤 문제를 다루는지, 방법이 실제로 무엇을 하는지, 어떤 근거가 이를 뒷받침하는지, 어떤 가정을 전제로 하는지, 아직 더 살펴봐야 할 부분은 무엇인지 이해해야 합니다.

ChatGPT는 컨텍스트 수집을 자동화하고 복잡한 개념을 유용한 다이어그램이나 삽화로 바꿀 수 있어 이 작업에 유용합니다. 이 사용 사례는 하위 에이전트를 활용하기에도 적합합니다. 한 스레드는 논문의 구조를 파악하고, 다른 스레드는 선행 지식을 수집하며, 또 다른 스레드는 그림과 표기법을 살펴본 뒤, 메인 스레드가 결과를 조율해 나중에 검토할 수 있는 보고서로 정리할 수 있습니다.

이 사용 사례의 최종 결과물은 notes/concept-report.md 같은 Markdown 파일이나 다른 형식의 문서처럼 쉽게 검토할 수 있어야 합니다. 일회성 채팅 답변으로 끝내지 말고 요약, 용어집, 단계별 해설, 다이어그램, 근거 표, 한계, 미해결 질문을 포함해야 합니다.

학습 목표 정의하기

먼저 학습할 개념과 원하는 결과물을 명확히 하세요. 광범위한 요약보다 범위를 좁힌 질문이 더 유용한 보고서를 만듭니다.

예:

이 연구 논문의 핵심 아이디어와 방법이 작동하는 방식, 실험 결과가 주장을 뒷받침하는지 여부와 그 이유, 다음에 읽어야 할 자료를 이해하고 싶습니다.

이처럼 범위를 정하면 ChatGPT가 수행할 작업이 구체화됩니다. ChatGPT는 개념을 설명하는 동시에 불확실성을 그대로 드러내고, 주장의 출처를 인용하며, 논문의 주장과 자체 해석을 구분해야 합니다.

실행 예시: 연구 논문 분석

익숙하지 않은 모델 아키텍처를 다룬 논문을 학습한다고 가정해 보겠습니다. 논문 전체를 읽지 않아도 개념을 한눈에 이해할 수 있는 보고서가 필요합니다.

좋은 결과물은 다음과 같이 구성할 수 있습니다:

• 핵심 설명이 담긴 notes/paper-report.md.
• 방법을 설명하는 notes/figures/method-flow.mmd 또는 인라인 Mermaid 다이어그램.
• 선행 개념의 관계를 보여 주는 notes/figures/concept-map.mmd 또는 작은 SVG 파일.
• 주장을 논문의 섹션, 페이지, 그림 또는 표에 연결하는 근거 표.
• 후속 읽기 자료와 해결되지 않은 질문 목록.

학습 과정을 더 체계화하고 오래 활용할 수 있는 결과물을 남기는 것이 핵심입니다.

작업을 하위 에이전트에 분담하기

하위 에이전트는 각각 범위가 명확한 작업과 분명한 반환 형식을 지정할 때 가장 효과적입니다. ChatGPT에 하위 에이전트를 명시적으로 생성하도록 요청하세요. 모든 읽기 작업에 하위 에이전트가 필요한 것은 아니지만, 논문이 길거나 개념적으로 복잡하다면 병렬 탐색이 도움이 됩니다.

연구 논문은 다음과 같이 나누는 것이 실용적입니다:

• 논문 구조 파악: 문제 정의, 기여, 방법, 실험, 한계, 논문이 주장하는 결과를 추출합니다.
• 선행 지식: 배경 용어와 관련 개념, 논문이 이미 알고 있다고 전제하는 선행 연구를 설명합니다.
• 표기법과 도표: 수식, 알고리즘, 다이어그램, 그림, 표를 차례로 살펴봅니다.
• 비판적 검토자: 근거가 주장을 뒷받침하는지 확인하고, 주의사항을 나열하며, 누락된 베이스라인이나 불분명한 가정을 찾아냅니다.

메인 에이전트는 이 하위 에이전트들의 작업이 끝날 때까지 기다린 뒤 답변을 비교하고 모순을 해소해야 합니다. 그러면 ChatGPT가 결과를 일관성 있는 보고서로 종합합니다.

추가 컨텍스트를 신중하게 수집하기

논문이 알지 못하는 배경지식을 전제로 한다면 승인된 소스에서 컨텍스트를 수집하도록 ChatGPT에 요청하세요. 로컬 메모, 참고 문헌 폴더, 링크된 논문, 활성화된 경우 웹 검색, 연결된 지식 베이스 등을 활용할 수 있습니다.

내부 개념을 학습하는 경우 플러그인으로 여러 소스를 연결해 지식 베이스를 만들 수 있습니다.

이 단계의 범위를 제한하세요. 신뢰할 수 있는 소스의 기준과 외부 컨텍스트를 최종 보고서에서 어떻게 다룰지 ChatGPT에 알려 주세요:

• 선행 지식에 해당하는 용어를 용어집에 정의합니다.
• 짧은 "먼저 알아야 할 배경지식" 섹션을 추가합니다.
• 후속 읽기 자료는 논문 자체의 주장과 구분해 링크합니다.
• 논문 외부에서 가져온 주장임을 표시합니다.

보고서용 다이어그램 생성하기

다이어그램은 개념을 제대로 이해했는지 확인하는 가장 빠른 방법인 경우가 많습니다. Markdown 보고서에는 원문 내용을 충실히 반영하면서 수정하기 쉬운 다이어그램을 만들어 달라고 ChatGPT에 요청하세요.

기본 구성으로는 다음이 좋습니다:

• 선행 개념과 그 연결 관계를 보여 주는 개념도.
• 입력, 변환 과정, 모델 구성 요소, 출력을 따라가는 방법 플로우 다이어그램.
• 데이터셋, 지표, 베이스라인, 논문에 보고된 주장을 연결하는 실험 맵.
• 가정, 실패 모드, 미해결 질문을 구분하는 한계 다이어그램.

Markdown 중심 보고서의 경우, 보고서를 사용할 환경이 Mermaid를 지원하면 Mermaid를 요청하고 지원하지 않으면 레포지토리에 체크인할 작은 SVG/PNG 파일을 요청하세요. 정밀한 기술 다이어그램일 필요가 없는 설명용 시각 자료나 Markdown 네이티브 다이어그램으로 표현하기 어려운 자료가 필요할 때만 ChatGPT에 기본 제공되는 imagegen 시스템 스킬을 사용하도록 요청하세요.

Markdown 보고서 작성하기

나중에 다시 살펴볼 수 있도록 보고서만으로도 내용을 충분히 이해할 수 있게 작성해 달라고 ChatGPT에 요청하세요. 유용한 구성은 다음과 같습니다:

1. 핵심 요약.
2. 읽기 전에 알아야 할 내용.
3. 핵심 용어와 표기법.
4. 논문 내용 해설.
5. 방법론 다이어그램.
6. 근거 표.
7. 논문이 입증하지 않은 내용.
8. 미해결 질문 및 후속 읽기 자료.

보고서에는 가능한 모든 곳에 출처를 명시해야 합니다. PDF의 경우 페이지, 섹션, 그림 또는 표를 참조하도록 요청하세요. ChatGPT가 정확한 페이지 정보를 추출할 수 없다면 그 사실을 밝히고 대신 섹션이나 제목을 참조해야 합니다.

보고서를 활용해 반복 학습하기

첫 보고서는 출발점일 뿐입니다. 읽은 후 후속 질문을 하고 ChatGPT가 보고서를 수정하도록 하세요.

유용한 후속 질문은 다음과 같습니다:

• 이 방법에서 어느 부분을 가장 먼저 이해해야 하나요?
• 핵심 아이디어를 보여 주는 가장 간단한 토이 예제는 무엇인가요?
• 논문의 주장을 뒷받침하는 데 가장 중요한 그림은 무엇인가요?
• 가장 설득력이 약하거나 근거가 부족한 주장은 무엇인가요?
• 이를 구현하려면 다음으로 어떤 자료를 읽어야 하나요?

개념을 익히는 데 실험이 필요하다면 아이디어를 단순화해 재현하는 간단한 노트북이나 스크립트를 추가해 달라고 ChatGPT에 요청하세요. 설명과 실험을 함께 유지할 수 있도록 해당 작업물을 Markdown 보고서에 링크하세요.

예시 프롬프트:

고려할 스킬

원하는 결과물에 적합한 경우에만 스킬을 사용하세요:

• 실행 가능한 토이 예제, 차트 또는 간단한 재현 작업에는 $jupyter-notebook을 사용합니다.
• 정확한 기술 다이어그램일 필요가 없는 설명용 시각 자료에는 $imagegen을 사용합니다.
• 학습 단계를 마친 후 보고서를 프레젠테이션으로 만들려면 $slides를 사용합니다.

대부분의 논문 분석 보고서에서는 생성된 비트맵보다 Markdown 네이티브 다이어그램이나 간단한 SVG 파일을 기본으로 사용하는 편이 좋습니다. 개념에 대한 이해가 바뀌어도 변경 사항을 비교하고 검토하고 업데이트하기가 더 쉽습니다.

추천 프롬프트

보고서 개요 먼저 작성하기

개념 이해를 위한 다이어그램 만들기

보고서를 학습 계획으로 전환하기