Analóg és visszalépési felszólítás
Az analóg és a Step-Back felszólítás egyaránt elvezeti a modellt a magasabb szintű érveléshez: az analóg felszólítás hasonló megoldott problémákra emlékeztet, míg a visszalépés a mögöttes elvet vezeti le, mielőtt a konkrétumokat kezelné.
Áttekintés
They matter because abstraction often beats diving straight into details.
Mély merülés
Ez két kapcsolódó Google-kutatási technika 2023-ból az érvelés javítására. Yasunaga és munkatársai analóg felszólítás arra kéri a modellt, hogy a célprobléma megoldása előtt generáljon magának néhány releváns példát, hasonló problémákat, amelyeket hatékonyan látott, és azok megoldásait, mielőtt megoldaná a célprobléma megoldását, így nincs szükség kézzel írott példákra. A Zheng és munkatársai által írt Step-Back felszólítás ehelyett először egy absztrakciós kérdést tesz fel ("milyen általános elv vagy tény szabályozza ezt?"), előkeresi vagy indokolja ezt az elvet, majd alkalmazza a konkrét kérdésre. Mindkettő távol tartja a modellt az idő előtti részletektől. A Step-Back javulást mutatott a fizika és a kémia kérdéseiben, valamint a többugrásos érvelésben, míg az analógiával a matematika és a kódgenerálás jobb lett azáltal, hogy az egyes problémákhoz példákat szabott.
Technikai betekintés
A Step-Back működik, mert a válasz megalapozása egy meghatározott elvben (mondjuk az ideális gáztörvényben vagy egy definícióban) korlátozza a későbbi részletes érvelést, és csökkenti a közbenső lépések csúszását. Az analóg felszólítás azért működik, mert a saját generált példákat a konkrét problémához illesztik, gyakran relevánsabbak, mint a rögzített néhány példázatú példák, és megfelelő megoldási mintát alapoznak meg. Mindkettő a műszakszámítást úgy végzi, hogy először a megfelelő absztrakciót kéri le, majd alapozott részletes munkát végez.
Stratégiai hatás
Sebesség és méretarány
A nyelvi munkafolyamatok gyorsabban haladhatnak a következetesség feláldozása nélkül.
Hozzáférés és elérés
Kibővíti a hozzáférést a nyelvek és a kommunikációs stílusok között.
Tisztább döntések
A csapatok több időt tölthetnek az ítélkezéssel, míg az automatizálás kezeli az ismétlést.
Az analóg és a visszalépési felszólítás jövője
Várhatóan ezek az absztrakciós minták összeolvadnak a visszakereső rendszerekkel, ahol a visszalépés elve egy tudásbázis pontos lekérdezésévé válik, valamint az ügynöktervezőkkel, akik a stratégiát a taktikázás előtt okosítják. A kutatás finomodik, amikor a saját generált analógiák segítenek, szemben azzal, amikor irreleváns vagy téves példákat vezetnek be, és a visszalépést a verifikációval kombinálják, így a választott elvet ellenőrizni kell, mielőtt súlyos érvelés épülne rá. Valószínűleg alapértelmezettek az érvelésre hangolt modellekben.
Valós megvalósítás
Fizikai kérdés megválaszolása először a vonatkozó törvény (pl. Newton második törvénye) kimondásával visszalépéssel, majd számok megadásával
Egy új matematikai feladat megoldása úgy, hogy a modell felidéz néhány hasonló megoldott feladatot analóg felszólítással
Egy többugrásos triviális kérdés megválaszolása úgy, hogy visszalép a szélesebb kategóriához vagy entitáshoz, mielőtt a tényeket láncolná
Kód előállítása egy analóg algoritmus öngenerálásával és megoldásával, majd adaptálása az aktuális feladathoz
Kockázatok és védőkorlátok
A hallucinált tények csendben bekerülhetnek a jelentésekbe, a támogatási folyamatokba vagy a kutatási eredményekbe.
Az azonnali érzékenység inkonzisztens eredményeket eredményezhet a hasonló kérések között.
Ha a hozzáférés-szabályozás gyenge, az érzékeny szöveges adatok megjelenhetnek.
Végrehajtási ütemterv
A kiadás előtt határozza meg a kimeneti formátumot, hangszínt és minőségi szabványokat.
Földelje a válaszokat megbízható forrásokból, amikor a pontosság számít.
Tartson emberi ellenőrzési pontot a nagy tétű kimenetekhez.
Kövesse nyomon a meghibásodási mintákat, és rendszeresen tanítsa át az utasításokat vagy a munkafolyamatokat.
Folytassa a felfedezést
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 Analogical and Step-Back 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
Következő útmutató
A legkevesebbtől a legtöbbig felszólító
Gyakran ismételt kérdések
What is Analogical and Step-Back Prompting?
Az analóg és a Step-Back felszólítás egyaránt elvezeti a modellt a magasabb szintű érveléshez: az analóg felszólítás hasonló megoldott problémákra emlékeztet, míg a visszalépés a mögöttes elvet vezeti le, mielőtt a konkrétumokat kezelné. Fontosak, mert az absztrakció gyakran felülmúlja a részletekbe való belemerülést.
Mit kér az analóg felszólítás a modelltől a célprobléma megoldása előtt?
Az analóg felszólítás arra készteti a modellt, hogy saját releváns példákat és megoldásokat generáljon a problémára szabva.
Mi a Step-Back felszólítás első lépése?
A Step-Back először egy absztrakciós kérdést tesz fel, hogy felszínre hozza a problémát irányító elvet vagy tényt.
Miért segít a válasz megalapozása egy meghatározott elvben (Step-Back)?
Az irányadó elv megfogalmazása először irányítja és korlátozza a részletes lépéseket, csökkentve a hibák esélyét.
Milyen feladatoknál mutatott jelentős előnyöket a Step-Back felszólítás?
A Step-Back javította a teljesítményt a tudományos kérdésekben és a többugrásos érvelésben azáltal, hogy először elvonatkoztatott.
Mi az analóg felszólítás ismert kockázata?
Mivel a modell feltalálja a maga analógiáit, ezek a példák néha irrelevánsak vagy helytelenek, ami rontja a választ.