• 신영선
• 기본 과정
• GPT 사용 꿀팁

쉽지만 대부분 모르는 GPT 효율화 끝판왕 ‘캔버스’

90%가 모르고 있던 GPT 효율 10배 높이는 사기급 기능

2025-03-20

1. 릴스 영상을 저장 또는 공유하기로 기록 해놓습니다.
2. DM으로 받은 링크를 카톡으로 옮겨 놓습니다.
3. PC로 접속해서 AI 즐겨찾기 폴더를 만들어 저장해놓습니다.
4. 바로 사용을 해봅니다. 절대 미루지 마세요. (⭐ 제일 중요)

1) GPT 캔버스 기능 사용 방법

아래 방법을 활용하셔도 되고, 프롬프트에 따로 '캔버스 형태로 보여줘'라고 입력해도 됩니다.

1. 사용할 모델을 선택합니다.

2. 캔버스를 클릭하고 프롬프트를 입력합니다.

3. 필요한 옵션을 선택하여 수정합니다.

4. 캔버스 기능 종류

• 간편한 이모지 추가
• 단어
• 섹션
• 글 목록
• 전체적인 글 다듬기 작업
• 독해 수준 조정
• 대학원생
• 대학생
• 고등학생
• 중학생
• 유치원생
• 전체적인 글 길이 조정
• GPT에게 받는 편집 제안
• 즉각적인 글 수정

2) Open AI 공식 홈페이지 GPT 캔버스 설명 번역본

사람들은 매일 글쓰기와 코드 작성에 도움을 받기 위해 ChatGPT를 사용합니다. 채팅 인터페이스는 사용하기 쉽고 많은 작업에 적합하지만, 편집과 수정이 필요한 프로젝트를 작업할 때는 한계가 있습니다. 캔버스는 이러한 종류의 작업을 위한 새로운 인터페이스를 제공합니다.

캔버스를 사용하면 ChatGPT는 사용자가 달성하고자 하는 작업의 맥락을 더 잘 이해할 수 있습니다. 특정 섹션을 강조 표시하여 ChatGPT가 정확히 무엇에 집중하기를 원하는지 표시할 수 있습니다. 복사 편집기나 코드 검토기처럼 전체 프로젝트를 염두에 두고 인라인 피드백 및 제안을 제공할 수 있습니다.

캔버스에서 프로젝트를 제어합니다. 텍스트나 코드를 직접 편집할 수 있습니다. ChatGPT에 글 길이 조정, 코드 디버그, 기타 유용한 작업을 빠르게 수행하도록 요청할 수 있는 단축키 메뉴가 있습니다. 캔버스의 뒤로 버튼을 사용하여 작업의 이전 버전으로 복원할 수도 있습니다.

캔버스는 ChatGPT가 도움이 될 수 있는 시나리오를 감지하면 자동으로 열립니다. 프롬프트에 "캔버스 사용"을 포함시켜 캔버스를 열고 기존 프로젝트에서 작업하는 데 사용할 수도 있습니다.

쓰기 바로가기는 다음과 같습니다:

• 편집 제안: ChatGPT는 인라인 제안 및 피드백을 제공합니다.
• 길이 조정하기: 문서 길이를 더 짧게 또는 더 길게 편집합니다.
• 읽기 수준 변경하기: 읽기 수준을 유치원부터 대학원까지 조정합니다.
• 최종 다듬기: 문법, 명확성 및 일관성을 확인합니다.
• 이모티콘 추가: 강조 및 색상을 위해 관련 이모티콘을 추가합니다.

캔버스에서 코딩하기

코딩은 반복적인 프로세스이므로 채팅에서 코드의 모든 수정 사항을 따라가기 어려울 수 있습니다. 캔버스를 사용하면 ChatGPT의 변경 사항을 더 쉽게 추적하고 이해할 수 있으며, 이러한 종류의 편집에 대한 투명성을 지속적으로 개선해 나갈 계획입니다.

코딩 바로 가기는 다음과 같습니다:

• 코드 검토: ChatGPT는 코드 개선을 위한 인라인 제안을 제공합니다.
• 로그 추가하기: 코드를 디버깅하고 이해하는 데 도움이 되는 인쇄문을 삽입합니다.
• 댓글 추가하기: 코드를 더 쉽게 이해할 수 있도록 코드에 주석을 추가합니다.
• 버그 수정: 문제가 있는 코드를 감지하고 다시 작성하여 오류를 해결합니다.
• 다른 언어로 포팅: 코드를 자바스크립트, 타입스크립트, 파이썬, 자바, C++ 또는 PHP로 번역합니다.

20개 이상의 자동화된 내부 평가를 통해 진행 상황을 측정했습니다. 또한 OpenAI o1-preview의 결과물을 추출하는 등 새로운 합성 데이터 생성 기법을 사용하여 핵심 행동에 대한 모델을 사후 학습시켰습니다. 이러한 접근 방식을 통해 사람이 생성한 데이터에 의존하지 않고도 글쓰기 품질과 새로운 사용자 상호 작용을 신속하게 처리할 수 있었습니다.

핵심 과제는 캔버스를 트리거할 시점을 정의하는 것이었습니다. "커피 원두의 역사에 대한 블로그 게시물 작성"과 같은 프롬프트에 대해 캔버스를 열도록 모델을 학습시키는 동시에 "저녁 식사를 위한 새로운 레시피를 알려주세요"와 같은 일반적인 Q&A 작업은 과도하게 트리거되지 않도록 했습니다. 쓰기 작업의 경우, '올바른 트리거'를 개선하는 데 우선순위를 두어('올바른 비트리거'를 희생하는 대신) 프롬프트 지침이 있는 제로 샷 GPT-4o 기준 대비 83%에 달했습니다.

이러한 기준선의 품질은 사용된 특정 프롬프트에 매우 민감하다는 점에 주목할 필요가 있습니다. 프롬프트가 다르면 기준선의 성능이 여전히 떨어질 수 있지만 다른 방식으로, 예를 들어 코딩과 쓰기 작업에서 고르게 부정확하여 오류의 분포가 달라지고 다른 형태의 차선책 성능이 나타날 수 있습니다. 코딩의 경우, 저희는 파워 유저에게 방해가 되지 않도록 의도적으로 트리거링에 대한 모델을 편향시켰습니다. 사용자 피드백을 바탕으로 계속 개선해 나갈 예정입니다.