आगेअगली गाइड
AI Literacy Lessons for Middle School
भाषा ए.आई
भाषा एआई गाइड
मध्य प्रभाव में खो गया
'बीच में खो गया' प्रभाव भाषा मॉडलों की उस प्रवृत्ति को दर्शाता है जिसमें जानकारी का सबसे अच्छा उपयोग तब किया जाता है जब वह किसी लंबे इनपुट के आरंभ या अंत में दिखाई देती है, जबकि बीच में छिपे तथ्यों को नजरअंदाज कर दिया जाता है।
इस गाइड को सुनेंएआई-नैरेटेड · ~2 min
इस पृष्ठ पर2 मिनट लाल
सिंहावलोकन
यह मायने रखता है क्योंकि यह सीमित करता है कि हम पुनर्प्राप्त दस्तावेजों के साथ लंबे संदर्भ वाले मॉडल पर कितना भरोसा कर सकते हैं।
गहरा गोता
लियू और स्टैनफोर्ड के सहकर्मियों द्वारा 2023 के एक अध्ययन में पहचाना गया, यह प्रभाव तब दिखाई दिया जब मॉडलों को कई दस्तावेज़ दिए गए और उनमें से एक का उपयोग करके उत्तर देने के लिए कहा गया जिसमें मुख्य तथ्य शामिल थे। सटीकता ने एक यू-आकार का वक्र बनाया: उच्चतम जब प्रासंगिक मार्ग प्रॉम्प्ट की शुरुआत या अंत में बैठता था, और जब यह बीच में बैठता था तो काफी कम होता था। यह बात लंबे संदर्भ में सक्षम के रूप में विपणन किए गए मॉडलों के लिए भी लागू होती है। पुनर्प्राप्ति-संवर्धित पीढ़ी के लिए निहितार्थ तीव्र है: दर्जनों अनुच्छेदों को एक प्रॉम्प्ट में भरना यह गारंटी नहीं देता है कि मॉडल उन्हें समान रूप से पढ़ता है। स्थिति, न कि केवल उपस्थिति, यह तय करती है कि कोई मॉडल किसी तथ्य पर ध्यान देता है या नहीं। कार्य ने लंबे संदर्भ को प्रभावी उपयोग के प्रश्न के रूप में पुनः प्रस्तुत किया, न कि कच्चे विंडो आकार के।
वास्तविक विश्व कार्यान्वयन
एक आरएजी प्रणाली 20 दस्तावेज़ों को पुनः प्राप्त करती है लेकिन उत्तर देने से चूक जाती है क्योंकि यह 20 में से 10 परिच्छेद में पहुँच जाता है।
इंजीनियर सबसे प्रासंगिक खंड को प्रॉम्प्ट में पहले या आखिरी में रखने के लिए खोज परिणामों को पुन: रैंक करते हैं।
एक लंबे दस्तावेज़ का सारांश उन प्रमुख विवरणों को कम महत्व देता है जो अनुबंध के बीच में दिखाई देते हैं।
'भूसे के ढेर में सुई' बेंचमार्क एक मॉडल की स्थिति सटीकता को चार्ट करने के लिए अलग-अलग गहराई पर एक तथ्य को छुपाता है।
मध्य प्रभाव में खोया हुआ भविष्य
शोधकर्ता ध्यान संशोधनों, स्थिति-जागरूक प्रशिक्षण और बेहतर पुनर्प्राप्ति के साथ प्रभाव को संबोधित कर रहे हैं जो प्रॉम्प्ट के किनारों पर सबसे अधिक प्रासंगिक मार्ग को पुन: व्यवस्थित करता है। मूल्यांकन सूट में अब प्रभावी संदर्भ को मापने के लिए सभी स्थितियों में 'भूसे के ढेर में सुई' परीक्षण शामिल हैं। जैसे-जैसे वास्तुकला में सुधार होता है, यू-वक्र समतल होता जा रहा है, लेकिन अभ्यासकर्ता ऐसी पाइपलाइनों को डिज़ाइन करना जारी रखेंगे जो समान ध्यान देने पर भरोसा करने के बजाय महत्वपूर्ण साक्ष्य रखती हैं जहां मॉडल वास्तव में दिखते हैं।
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 Lost in the Middle Effect 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
मध्य प्रभाव में खो गया क्या है?
'बीच में खो गया' प्रभाव भाषा मॉडलों की उस प्रवृत्ति को दर्शाता है जिसमें जानकारी का सबसे अच्छा उपयोग तब किया जाता है जब वह किसी लंबे इनपुट के आरंभ या अंत में दिखाई देती है, जबकि बीच में छिपे तथ्यों को नजरअंदाज कर दिया जाता है। यह मायने रखता है क्योंकि यह सीमित करता है कि हम पुनर्प्राप्त दस्तावेज़ों के साथ लंबे-संदर्भ मॉडल पर कितना भरोसा कर सकते हैं।
What positional pattern did the lost-in-the-middle study report?
The paper observed a U-shaped pattern with weaker performance in the middle.
What was the study’s task setup?
The study evaluated long-context use with retrieval-style tasks.
What does this effect imply about a large context window?
The study found performance can depend on the position of relevant information.
A RAG prompt includes many retrieved passages. What should be evaluated?
The guide says stuffing passages does not ensure they are used evenly.
Why might a relevant fact in the middle be missed?
The paper observes that position affects effective use, not simply presence.
सीखते रहो
संबंधित मार्गदर्शिकाएँ
इस विषय के लिए अधिक मार्गदर्शिकाएँ चुनी गईं