आगेअगली गाइड
सुकराती संकेत जो एआई को आपको सिखाते हैं
भाषा ए.आई
भाषा एआई गाइड
कम से कम सबसे अधिक संकेत देने वाला
कम से कम-अधिकतम संकेत एक कठिन समस्या को सरल उप-समस्याओं के अनुक्रम में तोड़ता है, उन्हें इस क्रम में हल करता है ताकि प्रत्येक उत्तर अगले को फीड कर सके।
इस गाइड को सुनेंएआई-नैरेटेड · ~2 min
इस पृष्ठ पर2 मिनट लाल
सिंहावलोकन
यह मायने रखता है क्योंकि यह मॉडलों को दिखाए गए उदाहरणों की तुलना में कहीं अधिक कठिन प्रश्नों से निपटने देता है।
गहरा गोता
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.
वास्तविक विश्व कार्यान्वयन
पहले गणना करने के लिए मात्राओं को सूचीबद्ध करके, फिर उन्हें क्रम में गणना करके एक बहु-चरणीय शब्द समस्या को हल करना
संरचनागत भाषा के कार्य जैसे लंबे निर्देशों को छोटे उदाहरणों से क्रिया अनुक्रमों में अनुवाद करना
किसी जटिल शोध प्रश्न को उप-प्रश्नों में तोड़कर उत्तर देना, जिनके उत्तर मिलकर अंतिम प्रतिक्रिया बनाते हैं
किसी प्रोग्राम को सहायक फ़ंक्शंस में विघटित करके लिखने से एक समय में एक हल हो जाता है, प्रत्येक को बाद के चरणों में पुन: उपयोग किया जाता है
कम से कम सबसे अधिक संकेत देने का भविष्य
कम से कम अधिकांश विचार अब कई एजेंट और योजनाकार आर्किटेक्चर को रेखांकित करते हैं जो कार्य करने से पहले लक्ष्यों को क्रमबद्ध उपकार्यों में विभाजित करते हैं। टूल के उपयोग के साथ हाइब्रिड की अपेक्षा करें, जहां प्रत्येक उपप्रश्न एक कैलकुलेटर, खोज, या कोड कॉल को ट्रिगर कर सकता है, और अधिक मजबूत उपउत्तरों के लिए स्व-संगति के साथ। अनुसंधान स्वचालित अपघटन की भी खोज कर रहा है जो समस्या की कठिनाई के अनुसार गहराई को अनुकूलित करता है, और इसे सत्यापन के साथ जोड़ रहा है ताकि एक गलत प्रारंभिक उपउत्तर पूरी डाउनस्ट्रीम श्रृंखला को चुपचाप भ्रष्ट न कर दे।
इसे व्यवहार में लाना
यह क्यों मायने रखता है?
- गति और पैमाना. भाषा वर्कफ़्लो निरंतरता से समझौता किए बिना तेज़ी से आगे बढ़ सकता है।
- पहुंच और पहुंच. यह सभी भाषाओं और संचार शैलियों तक पहुंच का विस्तार करता है।
- स्पष्ट निर्णय. टीमें निर्णय लेने में अधिक समय व्यतीत कर सकती हैं जबकि स्वचालन पुनरावृत्ति को संभालता है।
का ध्यान रखें
- मतिभ्रम वाले तथ्य चुपचाप रिपोर्ट में प्रवेश कर सकते हैं, प्रवाह का समर्थन कर सकते हैं, या अनुसंधान आउटपुट का समर्थन कर सकते हैं।
- त्वरित संवेदनशीलता समान अनुरोधों में असंगत परिणाम पैदा कर सकती है।
- यदि पहुंच नियंत्रण कमजोर हैं तो संवेदनशील पाठ डेटा उजागर हो सकता है।
अगले चरण
- रोलआउट से पहले आउटपुट स्वरूप, टोन और गुणवत्ता मानकों को परिभाषित करें।
- जब भी सटीकता मायने रखती है तो विश्वसनीय स्रोतों के साथ जमीनी प्रतिक्रियाएँ।
- उच्च जोखिम वाले आउटपुट के लिए एक मानव समीक्षा चेकपॉइंट रखें।
- विफलता पैटर्न को ट्रैक करें और संकेतों या वर्कफ़्लो को नियमित रूप से पुनः प्रशिक्षित करें।
अन्वेषण करते रहें
मुफ़्त न्यूज़लेटर
दैनिक एआई ब्रीफिंग प्राप्त करें
हर कार्यदिवस की सुबह तीन सत्यापित एआई कहानियाँ, सादे अंग्रेजी में लिखी गईं। हमेशा के लिए मुफ़्त, कोई विज्ञापन नहीं।
प्रत्येक सप्ताह के दिन एक ईमेल. एक क्लिक में सदस्यता समाप्त करें. हम आपका पता कभी नहीं बेचते या साझा नहीं करते।
स्वयं की जांच करो
Take the Least-to-Most Prompting quiz
प्रत्येक उत्तर पर त्वरित प्रतिक्रिया, और पाठ्यक्रम पास करने के बाद एक सत्यापन योग्य आईडी के साथ एक साझा करने योग्य प्रमाणपत्र।
निःशुल्क एआई शिक्षा का समर्थन करें। AI Understanding एक 501(c)(3) गैर-लाभकारी संस्था है - कोई विज्ञापन नहीं, कोई पेवॉल नहीं। दान करें
अक्सर पूछे जाने वाले प्रश्नों
न्यूनतम-से-अधिकतम संकेत क्या है?
कम से कम-अधिकतम संकेत एक कठिन समस्या को सरल उप-समस्याओं के अनुक्रम में तोड़ता है, उन्हें इस क्रम में हल करता है ताकि प्रत्येक उत्तर अगले को फीड कर सके। यह मायने रखता है क्योंकि यह मॉडलों को दिखाए गए उदाहरणों की तुलना में कहीं अधिक कठिन प्रश्नों से निपटने देता है।
न्यूनतम-से-अधिकतम संकेतन के दो मुख्य चरण क्या हैं?
यह पहले समस्या को आसान उपप्रश्नों के क्रमबद्ध सेट में तोड़ता है, फिर प्रत्येक को क्रम से हल करता है।
न्यूनतम-से-अधिकतम मानक विचार श्रृंखला प्रेरणा से किस प्रकार भिन्न है?
एक बार में विचार श्रृंखला के कारण; कम से कम-से-अधिक स्पष्ट रूप से विघटित होता है और उपउत्तरों को एक साथ जोड़ता है।
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.
उपप्रश्नों का क्रम क्यों महत्वपूर्ण है?
उपसमस्याओं को इस प्रकार व्यवस्थित किया गया है कि प्रत्येक केवल पहले हल की गई समस्याओं पर निर्भर करती है, जिससे उत्तर सही ढंग से बनते हैं।
हल करने के चरण के दौरान मध्यवर्ती उत्तरों का उपयोग कैसे किया जाता है?
प्रत्येक हल किए गए उपउत्तर को रनिंग प्रॉम्प्ट में जोड़ा जाता है ताकि बाद के चरणों में उनके लिए आवश्यक परिणाम हों।
सीखते रहो
संबंधित मार्गदर्शिकाएँ
इस विषय के लिए अधिक मार्गदर्शिकाएँ चुनी गईं