এনালজিকাল এবং স্টেপ-ব্যাক প্রম্পটিং

They matter because abstraction often beats diving straight into details.

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।