대규모 조직의 전문 어휘는 훈련 세트에 포함되지 않아 대규모 언어 모델(LLM)에게 어려움을 야기합니다. 이를 해결하기 위해 LLM은 조직 문서, 이메일 및 채팅 기록에서 도메인별 용어집을 생성할 수 있습니다. 이 과정에는 새로운 용어와 새롭게 사용되는 기존 용어를 식별하는 것이 포함됩니다.식별된 후 LLM은 정의를 생성하고 여러 의미를 가진 용어에 대한 맥락적 변형을 기록할 수 있습니다. 그런 다음 인간 전문가는 이러한 초안 용어집을 검토하고 개선해야 합니다. 완성된 용어집은 효율적인 형식으로 LLM이 액세스할 수 있어야 하며, 조회 시 토큰 소비를 최소화해야 합니다.인간과 LLM 모두에 의한 정기적인 검토 및 새로고침이 중요하며, 버전 관리가 유지되어야 합니다. 조직은 소스 코드와 같은 다양한 제한된 맥락에서 미묘하게 다른 정의를 가질 수 있습니다. 각 제한된 맥락에 대한 별도의 용어집이 단일 표준화된 용어집보다 효과적인 경우가 많습니다.다른 맥락의 용어집을 비교하면 사용법의 차이를 강조할 수 있습니다. 대규모 용어집의 경우, 처음에 용어와 정의 링크만 포함하면 토큰 사용을 최적화할 수 있습니다. 용어집은 코드 생성을 안내하고 내부 용어가 고객 인터페이스에서 외부로 노출되지 않도록 할 수 있습니다.제안된 대체 용어가 포함된 사용 중단된 용어를 포함하고 시간이 지남에 따라 사용을 관리하는 것도 유익합니다. 대규모 조직에서 전문 언어의 어려움은 일반적인 주제이며, LLM 생성 용어집은 도메인 모델링 및 맥락 계층화에서 실용적인 단계입니다.