SelanjutnyaPanduan berikutnya
Anjuran Socrates yang Membuat AI Mengajari Anda
Bahasa AI
PANDUAN AI Bahasa
Anjuran Analogis dan Mundur
Dorongan analogis dan Step-Back memandu model untuk bernalar pada tingkat yang lebih tinggi terlebih dahulu: dorongan analogis membuat model mengingat kembali masalah yang telah diselesaikan, sedangkan langkah mundur membuat model memperoleh prinsip dasar sebelum menangani hal-hal spesifik.
Dengarkan panduan iniDiceritakan oleh AI · ~2 min
Di halaman ini2 menit membaca
Ikhtisar
Mereka penting karena abstraksi sering kali mengalahkan menyelami detail secara langsung.
Menyelam Lebih Dalam
Ini adalah dua teknik penelitian Google terkait dari tahun 2023 untuk meningkatkan penalaran. Dorongan analogis, oleh Yasunaga dan rekannya, meminta model untuk menghasilkan sendiri beberapa contoh yang relevan, masalah serupa yang telah dilihat secara efektif, dan solusinya sebelum menyelesaikan masalah target, sehingga menghilangkan kebutuhan akan contoh tulisan tangan. Step-Back prompt, yang dilakukan oleh Zheng dan rekan-rekannya, justru mengajukan pertanyaan abstraksi terlebih dahulu ("prinsip atau fakta umum apa yang mengatur hal ini?"), mengambil alasan tentang prinsip tersebut, lalu menerapkannya pada pertanyaan konkret. Keduanya menjauhkan model dari detail prematur. Step-Back menunjukkan peningkatan pada pertanyaan fisika dan kimia serta penalaran multi-hop, sementara analogis mendorong peningkatan matematika dan pembuatan kode dengan menyesuaikan contoh untuk setiap masalah spesifik.
Implementasi Dunia Nyata
Menjawab pertanyaan fisika dengan terlebih dahulu menyatakan hukum yang relevan (misalnya hukum kedua Newton) melalui langkah mundur, lalu memasukkan angka
Memecahkan masalah matematika baru dengan meminta model mengingat beberapa masalah serupa yang diselesaikan melalui dorongan analogis
Mengatasi pertanyaan trivia multi-hop dengan kembali ke kategori atau entitas yang lebih luas sebelum merangkai fakta
Menghasilkan kode dengan menghasilkan sendiri algoritma analog dan solusinya, kemudian menyesuaikannya dengan tugas saat ini
Masa Depan Anjuran Analogis dan Langkah-Mundur
Harapkan pola-pola yang mengutamakan abstraksi ini bergabung dengan sistem pengambilan, di mana prinsip langkah mundur menjadi kueri yang tepat ke dalam basis pengetahuan, dan dengan perencana agen yang mempertimbangkan strategi sebelum taktik. Penelitian disempurnakan ketika analogi yang dihasilkan sendiri membantu versus ketika analogi tersebut memberikan contoh yang tidak relevan atau salah, dan menggabungkan langkah mundur dengan verifikasi sehingga prinsip yang dipilih diperiksa sebelum alasan yang kuat dibangun berdasarkan prinsip tersebut. Hal ini cenderung menjadi default dalam model yang disesuaikan dengan penalaran.
Mempraktikkannya
Mengapa itu penting
- Kecepatan dan skala. Alur kerja bahasa dapat berjalan lebih cepat tanpa mengorbankan konsistensi.
- Akses dan jangkauan. Ini memperluas akses lintas bahasa dan gaya komunikasi.
- Keputusan yang lebih jelas. Tim dapat menghabiskan lebih banyak waktu untuk melakukan penilaian sementara otomatisasi menangani pengulangan.
Hati-hati
- Fakta-fakta yang dihalusinasi dapat secara diam-diam masuk ke dalam laporan, aliran dukungan, atau keluaran penelitian.
- Sensitivitas yang cepat dapat menimbulkan hasil yang tidak konsisten pada permintaan serupa.
- Data teks sensitif mungkin terekspos jika kontrol akses lemah.
Langkah selanjutnya
- Tentukan format output, nada, dan standar kualitas sebelum peluncuran.
- Dasarkan respons dengan sumber tepercaya kapan pun akurasi penting.
- Pertahankan pos pemeriksaan tinjauan manusia untuk keluaran berisiko tinggi.
- Lacak pola kegagalan dan latih kembali perintah atau alur kerja secara teratur.
Terus Menjelajah
Buletin gratis
Dapatkan pengarahan AI harian
Tiga cerita AI terverifikasi setiap pagi hari kerja, ditulis dalam bahasa Inggris sederhana. Gratis selamanya, tanpa iklan.
Satu email setiap hari kerja. Berhenti berlangganan dalam satu klik. Kami tidak pernah menjual atau membagikan alamat Anda.
Uji diri Anda sendiri
Take the Analogical and Step-Back Prompting quiz
Umpan balik instan untuk setiap jawaban, dan sertifikat yang dapat dibagikan dengan ID yang dapat diverifikasi setelah Anda lulus kursus.
Mendukung pendidikan AI gratis. AI Understanding adalah organisasi nirlaba 501(c)(3) — tanpa iklan, tanpa paywall, selamanya. Berikan sumbangan
Pertanyaan yang sering diajukan
Apa itu Analogis dan Step-Back Prompting?
Dorongan analogis dan Step-Back memandu model untuk bernalar pada tingkat yang lebih tinggi terlebih dahulu: dorongan analogis membuat model mengingat kembali masalah yang telah diselesaikan, sedangkan langkah mundur membuat model memperoleh prinsip dasar sebelum menangani hal-hal spesifik. Hal ini penting karena abstraksi sering kali lebih baik daripada menyelami langsung ke detail.
Apa yang diminta oleh dorongan analogis untuk dilakukan model sebelum memecahkan masalah target?
Dorongan analogis membuat model menghasilkan contoh dan solusi yang relevan, disesuaikan dengan masalahnya.
Apa langkah pertama dalam perintah Step-Back?
Step-Back pertama-tama mengajukan pertanyaan abstraksi untuk memunculkan prinsip atau fakta yang mengatur masalah.
Mengapa mendasarkan jawaban pada prinsip yang dinyatakan (Langkah-Kembali) membantu?
Menyatakan prinsip yang mengatur terlebih dahulu akan memandu dan membatasi langkah-langkah rinci, sehingga menurunkan kemungkinan kesalahan.
Pada jenis tugas apa saja dorongan Step-Back menunjukkan kemajuan yang signifikan?
Step-Back meningkatkan kinerja pada pertanyaan sains dan penalaran multi-hop dengan mengabstraksi terlebih dahulu.
Apa saja risiko yang dicatat dari dorongan analogis?
Karena model menciptakan analoginya sendiri, contoh-contoh tersebut terkadang tidak relevan atau salah, sehingga merugikan jawabannya.
Teruslah belajar
Panduan terkait
Panduan lainnya dipilih untuk topik ini