LLMs의 능력과 한계
환각, 지식 기준일, 추론의 한계를 포함해 LLMs가 실제로 뛰어난 영역과 실패하는 영역을 살펴보고, 현실적인 프로젝트 기대치를 설정합니다.
LLMs의 능력과 한계은(는) CoddyKit의 무료 AI Engineering Academy 강의입니다. 이것은 4개 중 4번째 강의입니다. 아래에서 전체 강의를 무료로 읽을 수 있으며, 내장 코드 에디터와 24/7 AI 튜터와 함께 브라우저에서 직접 실습할 수 있습니다. 이 강의는 AI Engineering Academy 학습 경로의 일부이며, 진행 상황이 웹과 CoddyKit 앱에 동기화됩니다. AI Engineering Academy 강의에는 총 4개의 강의가 포함되어 있습니다.
이 강의의 일부는 아직 번역되지 않았으며 영어로 표시됩니다.
What LLMs Genuinely Excel At
LLMs shine at language work: summarizing, translating, writing code, and reshaping text into formats like JSON. Give a couple examples and they catch the pattern fast.
Hallucination: The Fundamental Failure Mode
Hallucination is when a model confidently states something false. It predicts what sounds likely, not what's true — so never trust it as your only source of facts.
Knowledge Cutoffs and Outdated Information
Every model has a knowledge cutoff — it knows nothing after that date. For recent info, you feed it fresh documents at query time with RAG.
Reasoning Limits: Not a Logic Engine
LLMs mimic reasoning but aren't a true logic engine, so they slip on exact math and multi-step logic. For precise work, hand it to a real tool — see the code.
# Illustrating why you should use tools for computation
from openai import OpenAI
client = OpenAI()
# BAD: asking LLM to compute this directly
prompt_bad = 'What is 7.3% of 48,291.67?'
# GOOD: let Python compute, LLM just formats the answer
def calculate_percentage(value, pct):
return round(value * pct / 100, 2)
result = calculate_percentage(48291.67, 7.3)
print(f'7.3% of 48,291.67 is {result}') # 3525.29 - always correctContext Window as a Hard Constraint
The context window is the max tokens a model can handle at once — prompt, history, and output combined. Go over it and the request just fails.
Sensitivity to Prompt Wording
LLMs are sensitive to prompt wording. A tiny rephrase, or adding "think step by step," can change the answer a lot — powerful, but worth testing carefully.
Inconsistency and Non-Determinism
LLMs are non-deterministic: the same prompt can give different answers. A 95%-right model is still wrong 1 in 20 times, so test across many examples, not a few.
import openai
client = openai.OpenAI()
def sample_with_majority_vote(prompt, n=5):
responses = []
for _ in range(n):
r = client.chat.completions.create(
model='gpt-4o-mini',
messages=[{'role': 'user', 'content': prompt}],
temperature=0.3,
max_tokens=10
)
responses.append(r.choices[0].message.content.strip())
# Return most common answer
return max(set(responses), key=responses.count)Sycophancy: Agreement Bias
Sycophancy is when a model agrees with you even when you're wrong, because raters liked agreeable answers. For real critique, ask it to argue the other side.
What LLMs Cannot Do
Some limits are built in: an LLM can't browse, run code, recall past chats, or do exact math on its own. Pair it with tools for those jobs.
Bias and Representation Issues
Trained on internet text, LLMs pick up its biases — stereotypes, uneven language coverage, skewed views. Test across groups and document the limits for your users.
Setting Realistic Expectations for Projects
A slick demo can still fail on real inputs. That's not a reason to skip LLMs — it's why you build evaluation in from day one, measuring failures as you go.
Quick Check
Test your understanding of AI Engineering concepts from this lesson.
Lesson Recap
Recap: hallucination needs RAG or verification, knowledge cutoffs need retrieval, and non-determinism needs real evaluation. Next: your first OpenAI API call. 🎉
자주 묻는 질문
“LLMs의 능력과 한계” 강의는 무료인가요?
네 — “LLMs의 능력과 한계” 전체 내용을 이 웹사이트에서 무료로 읽을 수 있습니다. 인터랙티브하게 실습하려면(내장 코드 에디터와 24/7 AI 튜터), CoddyKit PRO로 업그레이드하면 AI Engineering Academy 강의 전체를 잠금 해제할 수 있습니다. AI Engineering Academy 강의에는 총 4개의 강의가 포함되어 있습니다.
“LLMs의 능력과 한계”에서 뭘 배우나요?
환각, 지식 기준일, 추론의 한계를 포함해 LLMs가 실제로 뛰어난 영역과 실패하는 영역을 살펴보고, 현실적인 프로젝트 기대치를 설정합니다. 브라우저에서 직접 실행하는 실습 코드로 AI Engineering Academy을(를) 배우며, 24/7 AI 튜터가 강의를 진행하면서 질문에 답변해줍니다.
AI Engineering Academy을(를) 시작하는 데 경험이 필요한가요?
사전 경험은 필요하지 않습니다. CoddyKit의 AI Engineering Academy은(는) 초급자부터 고급 학습자까지를 위해 구성되어 있으므로, 여기서 시작하거나 처음부터 시작할 수 있으며 자신의 속도대로 진행할 수 있습니다. 이것은 4개 중 4번째 강의입니다.
“LLMs의 능력과 한계” 강의는 얼마나 걸리나요?
대부분의 CoddyKit 강의는 약 5~10분이 소요됩니다. 각 강의는 간결하고 인터랙티브하여 꾸준한 진행이 가능하며, 웹과 앱에서 중단한 부분부터 바로 시작할 수 있습니다.
이 AI Engineering Academy 강의에서 코드를 작성하고 실행할 수 있나요?
네. 모든 AI Engineering Academy 강의에는 내장 코드 에디터가 포함되어 있으므로, 브라우저에서 바로 실제 코드를 작성하고 실행한 후 즉시 AI 피드백을 받을 수 있습니다 — 로컬 설정이 필요 없습니다.