Doug Turnbull이 제안한 태깅 기법으로, 기존 태그 목록을 모델에 넣지 않고 콘텐츠에 맞는 태그를 자유롭게 지어내게 한 뒤 벡터 임베딩으로 실제 어휘 중 가장 가까운 것을 찾아 매칭한다. Simon Willison은 태그가 1856개라 한 번에 모델에 먹여 '이 중 뭐가 맞냐'고 묻기 어려운 문제를 이 방식으로 풀었다. 프롬프트에는 태그의 형태 예시를 넣어 모델이 더 쓸모 있게 추측하도록 유도한다.
대규모 분류의 고질적 문제는 라벨 어휘가 너무 많아 프롬프트에 다 넣을 수 없다는 점이다. Simon Willison의 블로그는 태그가 1856개라, 모델에게 '이 목록 중 맞는 것을 골라라'고 한 번에 시키기 어렵다.
Doug Turnbull의 해법은 발상을 뒤집는다. 기존 어휘를 전혀 알려주지 않고 콘텐츠에 어울릴 법한 태그를 모델이 새로 지어내게(hallucinate) 한 다음, 그 상상된 태그를 벡터 임베딩해 실제 태그 코퍼스에서 가장 가까운 항목을 찾아 확정한다. 프롬프트에는 원하는 태그의 형태 예시(가구·홈 카테고리 계층 등)를 넣어, 모델이 유용한 모양으로 추측하도록 안내한다.
즉 '분류' 문제를 '생성 + 근접 매칭' 문제로 바꾸는 것이다. 카테고리·라우팅·의도 분류처럼 폐쇄형 어휘에 매핑해야 하는 작업이라면 오늘 바로 응용해 볼 수 있다.