পরবর্তী আপপরবর্তী গাইড
সক্রেটিক প্রম্পট যা এআই আপনাকে শেখায়
ভাষা এআই
ভাষা এআই গাইড
এনালজিকাল এবং স্টেপ-ব্যাক প্রম্পটিং
অ্যানালজিকাল এবং স্টেপ-ব্যাক প্রম্পটিং উভয়ই একটি মডেলকে উচ্চতর স্তরে যুক্তি দেখানোর নির্দেশ দেয়: অ্যানালজিকাল প্রম্পটিং একই রকম সমাধান করা সমস্যাগুলি স্মরণ করে, যখন স্টেপ-ব্যাক স্পেসিফিকেশন মোকাবেলা করার আগে এটি অন্তর্নিহিত নীতিটি অর্জন করে।
এই নির্দেশিকা শুনুনএআই-বর্ণিত · ~2 min
এই পৃষ্ঠায়2 মিনিট পঠিত
ওভারভিউ
They matter because abstraction often beats diving straight into details.
গভীর ডুব
এই দুটি সম্পর্কিত Google - যুক্তির উন্নতির জন্য 2023 থেকে গবেষণা কৌশল। ইয়াসুনাগা এবং সহকর্মীদের দ্বারা অ্যানালজিকাল প্রম্পটিং মডেলটিকে কয়েকটি প্রাসঙ্গিক উদাহরণ, একই ধরনের সমস্যা যা এটি কার্যকরভাবে দেখেছে, এবং লক্ষ্য সমস্যা সমাধানের আগে তাদের সমাধান, হাতে লিখিত উদাহরণের প্রয়োজনীয়তা দূর করে স্ব-উত্পন্ন করতে বলে। ঝেং এবং সহকর্মীদের দ্বারা স্টেপ-ব্যাক প্রম্পটিং, পরিবর্তে প্রথমে একটি বিমূর্ত প্রশ্ন জিজ্ঞাসা করে ("কোন সাধারণ নীতি বা ঘটনা এটিকে নিয়ন্ত্রণ করে?"), সেই নীতির বিষয়ে পুনরুদ্ধার বা কারণগুলি, তারপর এটিকে কংক্রিট প্রশ্নে প্রয়োগ করে৷ উভয়ই মডেলটিকে অকাল বিস্তারিত থেকে দূরে ঠেলে দেয়। স্টেপ-ব্যাক পদার্থবিদ্যা এবং রসায়ন প্রশ্নে এবং মাল্টি-হপ যুক্তিতে লাভ দেখিয়েছে, যখন উপমাগতভাবে প্রতিটি নির্দিষ্ট সমস্যার উদাহরণ তৈরি করে গণিত এবং কোড তৈরির উন্নতি করেছে।
বাস্তব-বিশ্ব বাস্তবায়ন
প্রথমে স্টেপ-ব্যাক এর মাধ্যমে প্রাসঙ্গিক আইন (যেমন, নিউটনের দ্বিতীয় সূত্র) উল্লেখ করে একটি পদার্থবিজ্ঞানের প্রশ্নের উত্তর দেওয়া, তারপর সংখ্যায় প্লাগ করা
অ্যানালজিকাল প্রম্পটিংয়ের মাধ্যমে মডেলটিকে অনুরূপ সমাধান করা কয়েকটি সমস্যা স্মরণ করিয়ে দিয়ে একটি নতুন গণিত সমস্যা সমাধান করা
তথ্য চেইন করার আগে বৃহত্তর বিভাগ বা সত্তায় ফিরে গিয়ে একটি মাল্টি-হপ ট্রিভিয়া প্রশ্ন মোকাবেলা করা
একটি সাদৃশ্যপূর্ণ অ্যালগরিদম এবং এর সমাধান স্ব-উত্পন্ন করে কোড তৈরি করা, তারপর এটিকে বর্তমান কাজের সাথে খাপ খাইয়ে নেওয়া
দ্য ফিউচার অফ এনালজিকাল এবং স্টেপ-ব্যাক প্রম্পটিং
এই বিমূর্ততা-প্রথম নিদর্শনগুলি পুনরুদ্ধার সিস্টেমগুলির সাথে একত্রিত হওয়ার প্রত্যাশা করুন, যেখানে ধাপ-ব্যাক নীতিটি জ্ঞানের ভিত্তির একটি সুনির্দিষ্ট প্রশ্ন হয়ে ওঠে এবং এজেন্ট পরিকল্পনাকারীদের সাথে যা কৌশলের আগে কৌশল সম্পর্কে যুক্তি দেয়। গবেষণা তখন পরিমার্জিত হয় যখন স্ব-উত্পন্ন উপমাগুলি সাহায্য করে বনাম যখন তারা অপ্রাসঙ্গিক বা ভুল উদাহরণ উপস্থাপন করে, এবং যাচাইকরণের সাথে ধাপ-ব্যাক একত্রিত করে যাতে ভারী যুক্তি তৈরি করার আগে নির্বাচিত নীতিটি পরীক্ষা করা হয়। তারা যুক্তি-সংযুক্ত মডেলে ডিফল্ট হতে পারে।
এটাকে বাস্তবে প্রয়োগ করা হচ্ছে
কেন এটা গুরুত্বপূর্ণ
- গতি এবং স্কেল. ভাষার কর্মপ্রবাহ ধারাবাহিকতাকে ত্যাগ না করে দ্রুত অগ্রসর হতে পারে।
- অ্যাক্সেস এবং পৌঁছানো. এটি ভাষা এবং যোগাযোগ শৈলী জুড়ে অ্যাক্সেস প্রসারিত করে।
- সুস্পষ্ট সিদ্ধান্ত. অটোমেশন পুনরাবৃত্তি পরিচালনা করার সময় দলগুলি বিচারে আরও বেশি সময় ব্যয় করতে পারে।
জন্য সতর্ক
- হ্যালুসিনেটেড ফ্যাক্টগুলি শান্তভাবে রিপোর্ট, সমর্থন প্রবাহ, বা গবেষণা আউটপুট প্রবেশ করতে পারে।
- প্রম্পট সংবেদনশীলতা অনুরূপ অনুরোধ জুড়ে অসামঞ্জস্যপূর্ণ ফলাফল তৈরি করতে পারে।
- অ্যাক্সেস কন্ট্রোল দুর্বল হলে সংবেদনশীল পাঠ্য ডেটা উন্মুক্ত হতে পারে।
পরবর্তী পদক্ষেপ
- রোলআউট করার আগে আউটপুট ফর্ম্যাট, টোন এবং মানের মান নির্ধারণ করুন।
- যখনই নির্ভুলতা গুরুত্বপূর্ণ তখন বিশ্বস্ত উত্সের সাথে গ্রাউন্ড প্রতিক্রিয়া।
- উচ্চ-স্টেকের আউটপুটগুলির জন্য একটি মানব পর্যালোচনা চেকপয়েন্ট রাখুন।
- ব্যর্থতার নিদর্শনগুলি ট্র্যাক করুন এবং প্রম্পট বা ওয়ার্কফ্লোগুলিকে নিয়মিতভাবে পুনরায় প্রশিক্ষণ দিন।
অন্বেষণ চালিয়ে যান
ফ্রি নিউজলেটার
প্রতিদিনের এআই ব্রিফিং পান
প্রতি সপ্তাহের কাজের দিন সকালে তিনটি যাচাইকৃত এআই স্টোরি, সহজ ইংরেজিতে লেখা। চিরকালের জন্য ফ্রি, কোনো বিজ্ঞাপন নেই।
প্রতি সপ্তাহের কাজের দিনে একটি ইমেল। এক ক্লিকেই আনসাবস্ক্রাইব করুন। আমরা কখনোই আপনার ঠিকানা বিক্রি বা শেয়ার করি না।
নিজেকে পরীক্ষা করুন
Take the Analogical and Step-Back Prompting quiz
প্রতিটি উত্তরের তাৎক্ষণিক ফিডব্যাক, এবং কোর্স পাস করার পর যাচাইযোগ্য আইডি সহ একটি শেয়ারযোগ্য সার্টিফিকেট।
ফ্রি এআই শিক্ষাকে সমর্থন করুন। AI Understanding একটি 501(c)(3) অলাভজনক প্রতিষ্ঠান — কোনো বিজ্ঞাপন নেই, কোনো পেওয়াল নেই, কখনোই না। একটি দান করুন
প্রায়শই জিজ্ঞাসিত প্রশ্নাবলী
What is Analogical and Step-Back Prompting?
অ্যানালজিকাল এবং স্টেপ-ব্যাক প্রম্পটিং উভয়ই একটি মডেলকে উচ্চতর স্তরে যুক্তি দেখানোর নির্দেশ দেয়: অ্যানালজিকাল প্রম্পটিং একই রকম সমাধান করা সমস্যাগুলি স্মরণ করে, যখন স্টেপ-ব্যাক স্পেসিফিকেশন মোকাবেলা করার আগে এটি অন্তর্নিহিত নীতিটি অর্জন করে। এগুলি গুরুত্বপূর্ণ কারণ বিমূর্ততা প্রায়শই সরাসরি বিশদে ডাইভিংকে হারায়।
টার্গেট সমস্যা সমাধানের আগে অ্যানালজিকাল প্রম্পটিং মডেলকে কী করতে বলে?
এনালজিকাল প্রম্পটিং-এ মডেলটির নিজস্ব প্রাসঙ্গিক উদাহরণ এবং সমাধান তৈরি করা হয়েছে, যা সমস্যার জন্য তৈরি।
স্টেপ-ব্যাক প্রম্পটিংয়ের প্রথম ধাপ কী?
স্টেপ-ব্যাক প্রথমে একটি বিমূর্ত প্রশ্ন জিজ্ঞাসা করে যে নীতি বা সত্যটি সমস্যাটিকে নিয়ন্ত্রণ করে।
কেন একটি উল্লিখিত নীতিতে একটি উত্তর গ্রাউন্ডিং (স্টেপ-ব্যাক) সাহায্য করে?
গভর্নিং নীতিটি প্রথমে নির্দেশিত করে এবং বিশদ পদক্ষেপগুলিকে সীমাবদ্ধ করে, ত্রুটির সম্ভাবনা কমিয়ে দেয়।
স্টেপ-ব্যাক প্রম্পটিং কোন ধরনের কাজগুলিতে উল্লেখযোগ্য লাভ দেখায়?
প্রথমে বিমূর্ত করে বিজ্ঞানের প্রশ্ন এবং মাল্টি-হপ যুক্তিতে স্টেপ-ব্যাক উন্নত কর্মক্ষমতা।
অ্যানালজিকাল প্রম্পটিংয়ের একটি উল্লেখযোগ্য ঝুঁকি কী?
যেহেতু মডেলটি তার নিজস্ব উপমা উদ্ভাবন করে, সেই উদাহরণগুলি কখনও কখনও অপ্রাসঙ্গিক বা ভুল হতে পারে, উত্তরটিকে আঘাত করে।
শিখতে থাকুন
সম্পর্কিত গাইড
এই বিষয়ের জন্য বাছাই করা আরও গাইড