Als nächstesNächster Leitfaden
Geringste bis größte Aufforderung
Sprach-KI
Technischer Leitfaden
Aufforderung zum Planen und Lösen
Plan-and-Solve (PS)-Eingabeaufforderungen weisen ein Sprachmodell an, zunächst einen expliziten Plan zu entwickeln und diesen dann Schritt für Schritt auszuführen. Dadurch werden die Fehler behoben, die durch die einfache „Lass uns Schritt für Schritt denken“-Eingabeaufforderung zurückbleiben.
Auf dieser Seite2 Minuten gelesen
Übersicht
It is a simple prompt tweak that meaningfully boosts multi-step reasoning without any extra training.
Tiefer Einblick
Die von Lei Wang und Kollegen in einem ACL-Artikel aus dem Jahr 2023 vorgestellte Plan-and-Solve-Eingabeaufforderung war eine Reaktion auf eine spezifische Schwäche in der Zero-Shot-Gedankenkette: Modelle überspringen oft Schritte, berechnen falsch oder interpretieren die Frage falsch. PS ersetzt die einzelne Anweisung „Lasst uns Schritt für Schritt denken“ durch eine zweiteilige Anweisung: „Lasst uns zunächst das Problem verstehen und einen Plan zur Lösung entwerfen.“ Dann lasst uns den Plan umsetzen und das Problem Schritt für Schritt lösen.“ Eine erweiterte Variante, PS+, fügt Erinnerungen hinzu, um relevante Variablen zu extrahieren, Zwischenergebnisse zu berechnen und auf Zahlen zu achten. Bei Benchmarks wie GSM8K und SVAMP schloss PS+ einen Großteil der Lücke mit einer Gedankenkette mit wenigen Schüssen und benötigte keine ausgearbeiteten Beispiele in der Eingabeaufforderung.
Strategische Auswirkungen
Kosten und Budget
Architekturentscheidungen beeinflussen über Jahre hinweg die Leistung und die Betriebskosten.
Klarere Entscheidungen
Technische Schulungen helfen Teams dabei, den richtigen Stack auszuwählen, nicht nur den neuesten.
Qualitätskontrolle
Bessere technische Entscheidungen reduzieren Zuverlässigkeitsvorfälle in der Produktion.
Die Zukunft der Plan-and-Solve-Eingabeaufforderung
Das Planen-und-Lösungs-Denken ist mittlerweile in Agenten-Frameworks und „Argumentationsmodelle“ integriert, die Planung und Ausführung von Natur aus trennen. Erwarten Sie, dass Planungsaufforderungen mit Werkzeugnutzung, Selbstverifizierung und Baumsuchmethoden verschmelzen und zu einem internen Standardverhalten in „Trained-to-Reason“-Modellen und nicht zu einer manuellen Aufforderung werden. Die bleibende Lektion ist, dass das Zerlegen einer Aufgabe vor dem Handeln ein billiger, weit übertragbarer Zuverlässigkeitsgewinn ist.
Reale Umsetzung
Lösung mehrstufiger Mathe-Textaufgaben für Grundschulkinder (GSM8K), bei denen das Modell zunächst die Mengen auflistet und sie dann der Reihe nach berechnet.
Anleitung eines Codierungsassistenten zur Skizzierung von Funktionen und Grenzfällen vor dem Schreiben von Implementierungscode.
Strukturierung eines Kundendienstmitarbeiters, um zunächst das zugrunde liegende Ziel des Benutzers zu identifizieren und dann die Lösungsschritte zu sequenzieren.
Aufteilen einer komplexen Datenanalyseanforderung in die Phasen „Abfragen planen“ und anschließend „Ergebnisse ausführen und kombinieren“.
Risiken und Leitplanken
Die Optimierung eines Benchmarks kann umfassendere Systemschwächen verbergen.
Infrastruktur- und Wartungskosten werden oft unterschätzt.
Sicherheits- und Beobachtbarkeitslücken können größer werden, wenn die Systeme komplexer werden.
Implementierungs-Roadmap
Definieren Sie vor der Implementierung Latenz-, Qualitäts- und Kostenziele.
Benchmark unter realistischen Last- und Datenbedingungen.
Instrumentenüberwachung auf Fehler, Drift und Benutzereinflüsse.
Bereiten Sie vor der Skalierung Rollback- und Incident-Response-Pfade vor.
Entdecken Sie weiter
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 Plan-and-Solve 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
Häufig gestellte Fragen
What is Plan-and-Solve Prompting?
Plan-and-Solve (PS)-Eingabeaufforderungen weisen ein Sprachmodell an, zunächst einen expliziten Plan zu entwickeln und diesen dann Schritt für Schritt auszuführen. Dadurch werden die Fehler behoben, die durch die einfache „Lass uns Schritt für Schritt denken“-Eingabeaufforderung zurückbleiben. Es handelt sich um eine einfache Optimierung der Eingabeaufforderung, die das mehrstufige Denken ohne zusätzliche Schulung deutlich verbessert.
Welche wesentliche Änderung bewirkt die Plan-and-Solve-Eingabeaufforderung an der standardmäßigen Zero-Shot-Gedankenkette?
Die PS-Eingabeaufforderung unterteilt die Anweisung in die Ausarbeitung eines Plans und die anschließende schrittweise Umsetzung anstelle der einzelnen Zeile „Lass uns Schritt für Schritt denken“.
Welche spezifischen Schwächen der einfachen Gedankenkette wurden mit Plan-and-Solve behoben?
Die Autoren konzentrierten sich auf fehlende Schrittfehler und Rechen-/Berechnungsfehler, die bei der Zero-Shot-Gedankenkette häufig auftreten.
Was fügt die erweiterte PS+-Variante der grundlegenden Plan-and-Solve-Eingabeaufforderung hinzu?
PS+ fügt detaillierte Erinnerungen hinzu, um relevante Variablen zu extrahieren, Zwischenergebnisse zu berechnen und auf die Zahlen zu achten, wodurch das selbst generierte Gerüst geschärft wird.
Anhand welcher Art von Benchmark wurde Plan-and-Solve besonders bewertet?
PS und PS+ wurden unter anderem anhand von Benchmarks für mathematisches Denken wie GSM8K und SVAMP getestet.
Warum ist die Erstellung eines Plans vor den detaillierten Schritten tendenziell hilfreich für ein autoregressives Modell?
Da die Generierung autoregressiv ist, werden die Plan-Tokens auf hoher Ebene zu einem Kontext, der die nachfolgende Schritt-für-Schritt-Überlegung leitet und so übersprungene Schritte reduziert.
Lerne weiter
Verwandte Leitfäden
Weitere Leitfäden zu diesem Thema ausgewählt