ΕπόμενοΕπόμενος οδηγός
Σωκρατικές προτροπές που κάνουν την AI να σας διδάξει
Γλώσσα AI
ΟΔΗΓΟΣ ΓΛΩΣΣΑΣ AI
Ελάχιστα προς τα περισσότερα
Η προτροπή Least-to-Most χωρίζει ένα δύσκολο πρόβλημα σε μια ακολουθία απλούστερων υποπροβλημάτων, επιλύοντάς τα με τη σειρά, ώστε κάθε απάντηση να τροφοδοτεί την επόμενη.
Ακούστε αυτόν τον οδηγόαφήγηση με AI · ~2 min
Σε αυτήν τη σελίδα2 λεπτά ανάγνωση
Επισκόπηση
It matters because it lets models tackle questions far harder than the examples they were shown.
Βαθιά κατάδυση
Least-to-Most prompting, introduced by Zhou and colleagues at Google in 2022, has two stages. First, the model is prompted to decompose a complex question into an ordered list of easier subquestions. Second, it solves those subquestions one at a time, appending each solved answer to the context so later steps can build on earlier ones. This differs from chain-of-thought, which reasons in a single pass without explicit decomposition. The authors evaluated symbolic manipulation, math reasoning, and SCAN, a compositional-generalization benchmark built from natural-language commands. For the specific SCAN setup using GPT-3 code-davinci-002 and 14 exemplars, Least-to-Most reached at least 99% accuracy across the tested splits, including the length split, compared with 16% for chain-of-thought prompting. This is a result for that model, prompt setup, and benchmark, not a general accuracy guarantee.
Υλοποίηση σε πραγματικό κόσμο
Επίλυση ενός προβλήματος λέξεων πολλαπλών βημάτων αναφέροντας πρώτα τις ποσότητες που πρέπει να υπολογιστούν και στη συνέχεια υπολογίζοντάς τις με τη σειρά
Εργασίες σύνθεσης γλώσσας όπως η μετάφραση μεγάλων εντολών σε ακολουθίες ενεργειών από σύντομα παραδείγματα
Απαντώντας σε ένα σύνθετο ερευνητικό ερώτημα χωρίζοντάς το σε υποερωτήματα των οποίων οι απαντήσεις συνδυάζονται στην τελική απάντηση
Η σύνταξη ενός προγράμματος με την αποσύνθεσή του σε βοηθητικές συναρτήσεις λύνεται μία κάθε φορά, η κάθε μία επαναχρησιμοποιείται σε μεταγενέστερα βήματα
Το Μέλλον της Ελάχιστης Προτροπής
Οι ιδέες τουλάχιστον προς τις περισσότερες υποστηρίζουν πλέον πολλές αρχιτεκτονικές πρακτόρων και σχεδιαστών που χωρίζουν τους στόχους σε διατεταγμένες δευτερεύουσες εργασίες πριν ενεργήσουν. Αναμένετε υβρίδια με χρήση εργαλείων, όπου κάθε υποερώτηση μπορεί να ενεργοποιήσει μια αριθμομηχανή, αναζήτηση ή κλήση κωδικού και με αυτοσυνέπεια για πιο ισχυρές δευτερεύουσες απαντήσεις. Η έρευνα διερευνά επίσης την αυτόματη αποσύνθεση που προσαρμόζει το βάθος στη δυσκολία του προβλήματος και συνδυάζει την επαλήθευση, ώστε μια λανθασμένη πρώιμη δευτερεύουσα απάντηση να μην καταστρέφει σιωπηλά ολόκληρη την κατάντη αλυσίδα.
Κάνοντάς το στην πράξη
Γιατί έχει σημασία
- Ταχύτητα και κλίμακα. Οι ροές εργασίας της γλώσσας μπορούν να κινηθούν πιο γρήγορα χωρίς να θυσιάζεται η συνέπεια.
- Πρόσβαση και προσέγγιση χρηστών. Επεκτείνει την πρόσβαση σε όλες τις γλώσσες και τα στυλ επικοινωνίας.
- Σαφέστερες αποφάσεις. Οι ομάδες μπορούν να αφιερώσουν περισσότερο χρόνο στην κρίση, ενώ ο αυτοματισμός χειρίζεται την επανάληψη.
Προσέξτε
- Τα παραισθησιακά γεγονότα μπορούν να εισάγουν αθόρυβα αναφορές, να υποστηρίζουν ροές ή αποτελέσματα έρευνας.
- Η άμεση ευαισθησία μπορεί να δημιουργήσει ασυνεπή αποτελέσματα σε παρόμοια αιτήματα.
- Τα ευαίσθητα δεδομένα κειμένου ενδέχεται να εκτεθούν εάν τα στοιχεία ελέγχου πρόσβασης είναι αδύναμα.
Επόμενα βήματα
- Καθορίστε τη μορφή εξόδου, τον τόνο και τα πρότυπα ποιότητας πριν από την κυκλοφορία.
- Επίγειες απαντήσεις με αξιόπιστες πηγές όποτε έχει σημασία η ακρίβεια.
- Διατηρήστε ένα σημείο ελέγχου ανθρώπινης αξιολόγησης για αποτελέσματα υψηλού πονταρίσματος.
- Παρακολουθήστε τα μοτίβα αποτυχίας και επανεκπαιδεύστε τις προτροπές ή τις ροές εργασίας τακτικά.
Συνεχίστε την εξερεύνηση
Δωρεάν ενημερωτικό δελτίο
Λάβετε την καθημερινή ενημέρωση AI
Τρία επαληθευμένα νέα AI κάθε πρωί της εβδομάδας, γραμμένα σε απλή αγγλική. Δωρεάν για πάντα, χωρίς διαφημίσεις.
Ένα email κάθε εργάσιμη ημέρα. Κατάργηση συνδρομής με ένα κλικ. Δεν πουλάμε ή μοιραζόμαστε ποτέ τη διεύθυνσή σας.
Δοκιμάστε τον εαυτό σας
Take the Least-to-Most Prompting quiz
Άμεση ανάδραση σε κάθε απάντηση, και πιστοποιητικό με επαληθεύσιμο ID μόλις περάσετε το μάθημα.
Υποστηρίξτε τη δωρεάν εκπαίδευση AI. AI Understanding είναι μια μη κερδοσκοπική οργάνωση 501(c)(3) — χωρίς διαφημίσεις, χωρίς τοίχο πληρωμής, ποτέ. Κάντε μια δωρεά
Συχνές ερωτήσεις
What is Least-to-Most Prompting?
Η προτροπή Least-to-Most χωρίζει ένα δύσκολο πρόβλημα σε μια ακολουθία απλούστερων υποπροβλημάτων, επιλύοντάς τα με τη σειρά, ώστε κάθε απάντηση να τροφοδοτεί την επόμενη. Έχει σημασία γιατί επιτρέπει στα μοντέλα να αντιμετωπίζουν ερωτήσεις πολύ πιο δύσκολα από τα παραδείγματα που παρουσιάζονται.
Ποια είναι τα δύο κύρια στάδια της προτροπής Least-to-Most;
Αρχικά σπάει το πρόβλημα σε ένα διατεταγμένο σύνολο ευκολότερων υποερωτήσεων και μετά λύνει το καθένα με τη σειρά.
Πώς διαφέρει το Least-to-Most από την τυπική προτροπή αλυσίδας σκέψης;
Αλυσιδωτές σκέψεις σε ένα πέρασμα. το λιγότερο προς το πιο ρητά αποσυντίθεται και αλυσίδες υποαπαντήσεις μαζί.
What kind of task does the SCAN benchmark use to test compositional generalization?
SCAN tests compositional generalization using commands that map language to action sequences; the Least-to-Most paper evaluates whether prompts transfer to harder command compositions.
Γιατί είναι σημαντική η σειρά των υποερωτήσεων;
Τα υποπροβλήματα είναι ταξινομημένα έτσι ώστε το καθένα να εξαρτάται μόνο από αυτά που έχουν λυθεί προηγουμένως, αφήνοντας τις απαντήσεις να δημιουργηθούν σωστά.
Πώς χρησιμοποιούνται οι ενδιάμεσες απαντήσεις στο στάδιο της επίλυσης;
Κάθε λυμένη δευτερεύουσα απάντηση προστίθεται στη γραμμή εκτέλεσης, ώστε τα επόμενα βήματα να έχουν τα αποτελέσματα που χρειάζονται.
Συνέχισε να μαθαίνεις
Σχετικοί οδηγοί
Επιλέχθηκαν περισσότεροι οδηγοί για αυτό το θέμα