구조화 출력
정해진 스키마대로 JSON을 내놓게 한다
이 페이지의 본문은 영어로 제공됩니다. 제목과 요약은 한국어로 번역되었습니다.
이 능력이 뜻하는 것
Takes natural language plus a target structure — field names, types, required flags — and outputs text that strictly conforms, such as JSON, XML or a table. Unlike information extraction the structure is supplied by the caller rather than inferred from the text; unlike tool use it produces the data itself, not a request to invoke some interface.
기술적으로 구현하는 방법
The basic approach puts the schema and examples in the prompt and asks the model to fill them; more reliable is constrained decoding, which at each step allows only tokens that keep the structure valid, ruling out syntax errors during generation. Fine-tuning on many text-to-structure pairs familiarises the model with common field naming and type conventions. Large schemas can be split across several calls or filled in layers.
대표 제품
5GPT-4o
2024네이티브 멀티모달 범용 모델. 텍스트·이미지·오디오를 한 창구에서 다룬다
Claude
2023긴 문맥과 안전 정렬로 알려진 범용 대화 모델
Gemini
2023네이티브 멀티모달에 초장문 문맥을 다루는 범용 모델
Qwen
2023여러 규모와 멀티모달 버전을 아우르는 오픈웨이트 모델 계열
Hunyuan
2023오픈웨이트 버전을 포함한 텐센트의 범용 모델 계열
관련 기관
대표적 용도
- Converting natural language into API payloads
- Auto-filling forms and order fields
- Data cleaning and normalisation pipelines
- Passing structured messages between agents
성능을 평가하는 방법
- Schema validity rate
- Share of outputs that parse and satisfy the schema
- Field exact match
- Share of field values matching the reference
- Value-level F1
- Scores elements in lists and nested structures
경계와 난점
- With many fields or long enums it drops fields, picks the wrong value or invents new ones
- Deep nesting and complex types such as unions or nullable arrays produce type errors
- Tight format constraints squeeze reasoning, and the same model reasons less well under them