最も少ないプロンプトから最も多いプロンプトまで
Least-to-Most プロンプトは、難しい問題を一連の単純なサブ問題に分割し、それぞれの答えが次の答えにつながるように順番に解決します。
概要
It matters because it lets models tackle questions far harder than the examples they were shown.
ディープダイブ
2022 年の Google で Zhou 氏らによって導入された Least-to-Most プロンプトには 2 つの段階があります。まず、モデルは、複雑な質問を、より簡単なサブ質問の順序付きリストに分解するように求められます。次に、これらのサブ質問を一度に 1 つずつ解決し、解決された各回答をコンテキストに追加して、後のステップが以前のステップに基づいて構築できるようにします。これは、明示的な分解を行わずに 1 回のパスで推論する思考連鎖とは異なります。見出しの結果は、イージーからハードへの強力な一般化でした。SCAN 構成一般化ベンチマークでは、プロンプトの例が短くても、最小から最大へのプロンプトは、標準的な思考連鎖がほとんど失敗する長いコマンドの大部分を解決しました。
技術的な洞察
その力は、計画と実行を分離することで生まれます。分解により、部分問題 N が既に解決された部分問題のみに依存するように、依存関係で順序付けされたチェーンが生成されます。解決された各回答は実行中のプロンプトに連結され、モデルにすべてを一度に保持するように要求するのではなく、モデルに必要な中間結果を与えます。これにより、個々のステップで実行する必要がある推論が軽減されます。そのため、モデルは単一のデモンストレーションよりも長く、困難な入力に対して一般化されます。
戦略的影響
速度とスケール
言語ワークフローは、一貫性を犠牲にすることなく、より高速に移行できます。
アクセスと到達範囲
言語やコミュニケーション スタイルを超えてアクセスが拡張されます。
より明確な判決
自動化が繰り返しを処理する間、チームは判断により多くの時間を費やすことができます。
最も少ないプロンプトから最も多いプロンプトの未来
Least-to-Most のアイデアは、行動する前に目標を順序付けられたサブタスクに分割する多くのエージェントとプランナーのアーキテクチャを支えています。各サブ質問が計算機、検索、またはコード呼び出しをトリガーできるツールの使用と、より堅牢なサブ回答のための自己一貫性を備えたハイブリッドが期待されます。研究では、問題の難易度に深さを適応させる自動分解や、それを検証と組み合わせて、初期の間違ったサブアンサーが下流のチェーン全体をひっそりと破損させないようにすることも研究されています。
現実世界の実装
最初に計算する量をリストし、次にそれらを順番に計算することによって、複数のステップの文章題を解く
長い命令を短い例からアクションシーケンスに変換するなどの構成言語タスク
複雑なリサーチの質問をサブ質問に分割し、その回答を組み合わせて最終的な回答を得ることで回答する
一度に 1 つずつ解決されるヘルパー関数に分解してプログラムを作成し、それぞれが後のステップで再利用されます。
リスクとガードレール
幻覚のような事実が、レポート、サポート フロー、または研究結果に静かに組み込まれる可能性があります。
迅速な対応により、同様のリクエスト間で一貫性のない結果が生じる可能性があります。
アクセス制御が弱いと、機密テキスト データが漏洩する可能性があります。
実装ロードマップ
展開する前に、出力形式、トーン、品質基準を定義します。
正確さが重要な場合は常に、信頼できる情報源を使って地上対応を行ってください。
一か八かの成果物については人間によるレビュー チェックポイントを維持します。
失敗パターンを追跡し、プロンプトやワークフローを定期的に再トレーニングします。
探検を続けましょう
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 Least-to-Most 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
次のガイド
計画と解決のプロンプト
よくある質問
What is Least-to-Most Prompting?
Least-to-Most プロンプトは、難しい問題を一連の単純なサブ問題に分割し、それぞれの答えが次の答えにつながるように順番に解決します。これが重要なのは、モデルが示された例よりもはるかに難しい問題に取り組むことができるからです。
Least-to-Most プロンプトの 2 つの主な段階は何ですか?
まず問題をより簡単なサブ質問の順序付きセットに分割し、次にそれぞれを順番に解決します。
最小から最大へのプロンプトは、標準的な思考連鎖プロンプトとどのように異なりますか?
一連の思考の理由を 1 回のパスで説明します。最小から最大へは、サブアンサーを明示的に分解して連鎖させます。
Least-to-Most が SCAN ベンチマークで特に実証した機能は何ですか?
短い例しか見ていないにもかかわらず、長い構成コマンドを解決し、簡単から難しい一般化を示しました。
サブ質問の順序が重要なのはなぜですか?
サブ問題は、それぞれが以前に解決した問題のみに依存するように配置されており、答えが正しく構築されます。
中間の答えは解く段階でどのように使用されますか?
解決された各サブアンサーは実行中のプロンプトに追加されるため、後続のステップで必要な結果が得られます。