À suivreGuide suivant
Du moins au plus d'invites
IA linguistique
GUIDE Technique
L'invite Planifier et résoudre (PS) indique à un modèle de langage de concevoir d'abord un plan explicite, puis de l'exécuter étape par étape, en corrigeant les échecs que l'invite simple « pensons étape par étape » laisse derrière elle.
Écoutez ce guideNarré par l'IA · ~2 min
Il s’agit d’une simple modification rapide qui améliore de manière significative le raisonnement en plusieurs étapes sans aucune formation supplémentaire.
Introduit dans un article de l'ACL de 2023 par Lei Wang et ses collègues, l'incitation Plan-and-Solve était une réponse à une faiblesse spécifique de la chaîne de pensée zéro : les modèles sautent souvent des étapes, calculent mal ou lisent mal la question. PS remplace l'instruction unique « Réfléchissons étape par étape » par une directive en deux parties : « Comprenons d'abord le problème et élaborons un plan pour le résoudre. Ensuite, exécutons le plan et résolvons le problème étape par étape. Une variante améliorée, PS+, ajoute des rappels pour extraire les variables pertinentes, calculer les résultats intermédiaires et prêter attention aux chiffres. Sur des benchmarks tels que GSM8K et SVAMP, PS+ a comblé une grande partie de l'écart avec une chaîne de réflexion en quelques étapes sans avoir besoin d'exemples concrets dans l'invite.
Résoudre des problèmes de mots mathématiques en plusieurs étapes pour l'école primaire (GSM8K) où le modèle répertorie d'abord les quantités, puis les calcule dans l'ordre.
Guider un assistant de codage pour décrire les fonctions et les cas extrêmes avant d'écrire un code d'implémentation.
Structurer un agent de support client pour identifier d'abord l'objectif sous-jacent de l'utilisateur, puis séquencer les étapes de résolution.
Diviser une demande complexe d'analyse de données en phases de « planifier les requêtes » suivies de phases « d'exécution et de combinaison des résultats ».
La réflexion « planifier et résoudre » est désormais intégrée aux cadres d'agents et aux modèles de « raisonnement » qui séparent nativement la planification de l'exécution. Attendez-vous à ce que les invites de planification fusionnent avec les méthodes d'utilisation des outils, d'auto-vérification et de recherche arborescente, et deviennent un comportement interne par défaut dans les modèles entraînés à raisonner plutôt qu'une invite manuelle. La leçon durable est que décomposer une tâche avant d’agir constitue un gain de fiabilité peu coûteux et largement transférable.
Newsletter gratuite
Trois histoires d'IA vérifiées chaque matin de la semaine, écrites dans un anglais simple. Gratuit pour toujours, sans publicité.
Un e-mail chaque jour de la semaine. Désabonnez-vous en un clic. Nous ne vendons ni ne partageons jamais votre adresse.
Testez-vous
Commentaires instantanés sur chaque réponse et un certificat partageable avec une pièce d'identité vérifiable une fois que vous avez réussi un cours.
Soutenez l’enseignement gratuit de l’IA. AI Understanding est une organisation à but non lucratif 501(c)(3) : pas de publicité, pas de paywall, jamais. Faire un don
L'invite Planifier et résoudre (PS) indique à un modèle de langage de concevoir d'abord un plan explicite, puis de l'exécuter étape par étape, en corrigeant les échecs que l'invite simple « pensons étape par étape » laisse derrière elle. Il s’agit d’une simple modification rapide qui améliore de manière significative le raisonnement en plusieurs étapes sans aucune formation supplémentaire.
Les invites PS divisent l'instruction en l'élaboration d'un plan puis en son exécution étape par étape, au lieu de la seule ligne « Pensons étape par étape ».
Les auteurs ont ciblé les erreurs d’étape manquante et les erreurs d’arithmétique/de calcul que la chaîne de pensée sans tir produisait fréquemment.
PS+ ajoute des rappels détaillés pour extraire les variables pertinentes, calculer les résultats intermédiaires et prêter attention aux chiffres, affinant ainsi l'échafaudage auto-généré.
PS et PS+ ont été testés sur des références de raisonnement mathématique telles que GSM8K et SVAMP, entre autres ensembles de données de raisonnement.
La génération étant autorégressive, les jetons de plan de haut niveau deviennent un contexte qui guide le raisonnement étape par étape ultérieur, réduisant ainsi les étapes sautées.
Continuez à apprendre
Plus de guides sélectionnés pour ce sujet
À suivreGuide suivant
Du moins au plus d'invites
IA linguistique