স্ব-সংগতি ডিকোডিং

It matters because a single greedy answer can be wrong, while the consensus across diverse attempts is far more often correct.

2022 সালে Google গবেষকদের দ্বারা প্রবর্তিত, স্ব-সংগতি স্বাভাবিক 'লোভী' ডিকোডিংকে প্রতিস্থাপন করে, যেখানে মডেলটি একটি নমুনা-এবং-ভোট পদ্ধতির সাথে প্রতিটি ধাপে একক সম্ভাব্য পরবর্তী টোকেনের প্রতি অঙ্গীকার করে। ধারণাটি চেইন-অফ-থট প্রম্পটিংয়ের উপর তৈরি করে: মডেলটিকে ধাপে ধাপে যুক্তি দিতে বলা হয়, কিন্তু একটি চেইন তৈরি করার পরিবর্তে, এটি একটি অশূন্য তাপমাত্রা ব্যবহার করে অনেক বৈচিত্র্যময় চেইনের নমুনা দেয়। প্রতিটি চেইন একটি ভিন্ন রুট নিতে পারে, তবুও সঠিক যুক্তি একই চূড়ান্ত উত্তরে একত্রিত হতে থাকে যখন ত্রুটিগুলি বিভিন্ন দিকে ছড়িয়ে পড়ে। সিস্টেম তারপরে চূড়ান্ত উত্তরগুলির উপর সংখ্যাগরিষ্ঠ ভোট নেয়। এই সাধারণ পরিবর্তনটি GSM8K-এর মতো পাটিগণিত এবং কমনসেন্স রিজনিং বেঞ্চমার্কে বৃহৎ লাভ করেছে, প্রায়শই কোনো পুনঃপ্রশিক্ষণ ছাড়াই দ্বি-সংখ্যার নির্ভুলতার উন্নতি যোগ করে।