СледваСледващо ръководство
Сократови съвети, които карат AI да ви учи
Езиков AI
Език AI РЪКОВОДСТВО
Подканяне по аналог и стъпка назад
Аналогичното подсказване и стъпката назад насочват модела към разсъждение първо на по-високо ниво: аналоговата подкана го кара да си припомни подобни решени проблеми, докато стъпка назад го кара да изведе основния принцип, преди да се заеме с конкретните неща.
На тази страница2 минути четене
Преглед
Те имат значение, защото абстракцията често е по-добра от гмуркането направо в детайлите.
Дълбоко гмуркане
Това са две свързани Google-изследователски техники от 2023 г. за подобряване на разсъжденията. Аналогичното подсказване, от Yasunaga и колеги, изисква от модела да генерира самостоятелно няколко подходящи примера, подобни проблеми, които е виждал ефективно, и техните решения, преди да реши целевия проблем, премахвайки необходимостта от ръкописни примери. Подканянето за стъпка назад, от Zheng и колегите, вместо това първо задава абстрактен въпрос („какъв общ принцип или факт управлява това?“), извлича или обосновава този принцип, след което го прилага към конкретния въпрос. И двете отблъскват модела от преждевременните детайли. Step-Back показа печалби при въпроси по физика и химия и при разсъждения с множество скокове, докато аналоговото подсказваше подобрена математика и генериране на код чрез приспособяване на примери към всеки конкретен проблем.
Стратегическо въздействие
Скорост и мащаб
Езиковите работни процеси могат да се движат по-бързо, без да се жертва последователността.
Достъп и обхват
Той разширява достъпа между езици и стилове на комуникация.
По-ясни решения
Екипите могат да отделят повече време за преценка, докато автоматизацията се справя с повторението.
Бъдещето на аналоговото и отстъпчивото подсказване
Очаквайте тези модели на първо ниво на абстракция да се слеят със системите за извличане, където принципът на стъпка назад се превръща в прецизно запитване в база от знания, и с плановиците на агенти, които разсъждават за стратегия преди тактика. Изследванията се усъвършенстват, когато самогенерираните аналогии помагат, вместо когато въвеждат неуместни или грешни примери и комбинират стъпка назад с проверка, така че избраният принцип да бъде проверен, преди върху него да се изградят тежки разсъждения. Те вероятно ще бъдат по подразбиране в модели, настроени на разсъждение.
Внедряване в реалния свят
Отговор на въпрос по физика, като първо се посочи съответният закон (напр. вторият закон на Нютон) чрез стъпка назад, след което се добавят числа
Решаване на нов математически проблем, като накарате модела да си спомни няколко подобни решени проблема чрез аналогово подсказване
Справяне с въпрос с любопитни факти с няколко хопа, като се върнете към по-широката категория или обект, преди да свържете факти
Генериране на код чрез самостоятелно генериране на аналогичен алгоритъм и неговото решение, след което адаптирането му към текущата задача
Рискове и предпазни огради
Халюцинираните факти могат тихо да влязат в отчети, потоци за поддръжка или резултати от изследвания.
Бързата чувствителност може да създаде противоречиви резултати при подобни заявки.
Чувствителните текстови данни могат да бъдат разкрити, ако контролите за достъп са слаби.
Пътна карта за изпълнение
Определете изходен формат, тон и стандарти за качество преди внедряване.
Наземни отговори с доверени източници винаги, когато точността има значение.
Поддържайте контролна точка за човешки преглед за изходи с високи залози.
Проследявайте моделите на неуспехи и редовно обучавайте подкани или работни потоци.
Продължете да изследвате
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Analogical and Step-Back Prompting quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Често задавани въпроси
Какво е аналогово и стъпка назад подсказване?
Аналогичното подсказване и стъпката назад насочват модела към разсъждение първо на по-високо ниво: аналоговата подкана го кара да си припомни подобни решени проблеми, докато стъпка назад го кара да изведе основния принцип, преди да се заеме с конкретните неща. Те имат значение, защото абстракцията често е по-добра от гмуркането направо в детайлите.
Какво изисква аналоговото подсказване от модела, преди да реши целевия проблем?
Аналогичното подсказване кара модела да генерира свои собствени подходящи примери и решения, съобразени с проблема.
Коя е първата стъпка в подсказването на Step-Back?
Step-Back първо задава абстрактен въпрос, за да покаже принципа или факта, който управлява проблема.
Защо основаването на отговор на заявен принцип (Step-Back) помага?
Посочването на ръководния принцип първо насочва и ограничава подробните стъпки, като намалява вероятността от грешки.
При какви видове задачи подсказването Step-Back показа забележими ползи?
Step-Back подобри производителността по научни въпроси и разсъждения с множество скачки, като първо абстрахира.
Какъв е отбелязаният риск от аналогово подсказване?
Тъй като моделът измисля свои собствени аналогии, тези примери понякога могат да бъдат неуместни или неправилни, което наранява отговора.
Продължавай да учиш
Свързани ръководства
Още ръководства, избрани за тази тема