유추 및 후퇴 촉구
유추 및 후퇴 유도는 모두 모델이 먼저 더 높은 수준에서 추론하도록 안내합니다. 유추 유도는 유사한 해결 문제를 상기시키는 반면, 후퇴 유도는 세부 사항을 다루기 전에 기본 원칙을 도출합니다.
개요
They matter because abstraction often beats diving straight into details.
심층 분석
These are two related Google-research techniques from 2023 for improving reasoning. Analogical prompting, by Yasunaga and colleagues, asks the model to self-generate a few relevant exemplars, similar problems it has effectively seen, and their solutions before solving the target problem, removing the need for hand-written examples. Step-Back prompting, by Zheng and colleagues, instead asks an abstraction question first ("what general principle or fact governs this?"), retrieves or reasons about that principle, then applies it to the concrete question. 둘 다 모델을 조기 세부 사항에서 멀어지게 만듭니다. Step-Back showed gains on physics and chemistry questions and on multi-hop reasoning, while analogical prompting improved math and code generation by tailoring examples to each specific problem.
기술적 통찰력
Step-Back은 명시된 원리(예: 이상 기체 법칙 또는 정의)에 대한 답변을 기반으로 하여 후속 세부 추론을 제한하고 중간 단계의 실수를 줄이기 때문에 작동합니다. 유추적 프롬프트는 자체 생성된 예시가 당면한 정확한 문제와 일치하고 종종 고정된 몇 장의 예시보다 더 관련성이 높으며 적절한 솔루션 패턴을 준비하기 때문에 효과적입니다. 두 가지 모두 올바른 추상화를 먼저 검색한 다음 기초적인 세부 작업을 수행하는 방향으로 컴퓨팅을 전환합니다.
전략적 영향
속도와 규모
일관성을 유지하면서 언어 워크플로를 더 빠르게 진행할 수 있습니다.
접근 및 도달
언어와 의사소통 스타일 전반에 걸쳐 접근성을 확장합니다.
더 명확한 결정들
자동화가 반복을 처리하는 동안 팀은 판단에 더 많은 시간을 할애할 수 있습니다.
유추와 역행 촉구의 미래
이러한 추상화 우선 패턴은 뒤로 물러나기 원칙이 지식 기반에 대한 정확한 쿼리가 되는 검색 시스템과 전술보다 전략을 먼저 고려하는 에이전트 계획자와 통합될 것으로 예상됩니다. 연구에서는 자체 생성된 비유가 도움이 될 때와 관련이 없거나 잘못된 예를 도입할 때를 개선하고, 검증과 후퇴를 결합하여 무거운 추론이 이루어지기 전에 선택한 원칙을 확인합니다. 추론 조정 모델에서는 기본값이 될 가능성이 높습니다.
실제 구현
먼저 스텝백을 통해 관련 법칙(예: 뉴턴의 제2법칙)을 설명한 다음 숫자를 연결하여 물리학 질문에 답합니다.
유추 프롬프트를 통해 모델이 유사한 해결 문제 몇 개를 기억하도록 하여 새로운 수학 문제 해결
사실을 연결하기 전에 더 넓은 범주나 엔터티로 돌아가서 여러 가지 상식 문제를 해결하세요.
유사한 알고리즘과 솔루션을 자체 생성한 후 이를 현재 작업에 적용하여 코드 생성
위험 및 가드레일
환각 사실은 보고서, 지원 흐름 또는 연구 결과에 조용히 포함될 수 있습니다.
신속한 민감도는 유사한 요청 간에 일관되지 않은 결과를 초래할 수 있습니다.
액세스 제어가 약한 경우 민감한 텍스트 데이터가 노출될 수 있습니다.
구현 로드맵
출시 전에 출력 형식, 톤, 품질 표준을 정의하세요.
정확성이 중요할 때마다 신뢰할 수 있는 출처를 통해 대응하세요.
고위험 결과물에 대한 인적 검토 체크포인트를 유지합니다.
실패 패턴을 추적하고 프롬프트나 워크플로를 정기적으로 재교육하세요.
계속 탐색하세요
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
다음 가이드
가장 적은 메시지에서 가장 많은 메시지
자주 묻는 질문
What is Analogical and Step-Back Prompting?
유추 및 후퇴 유도는 모두 모델이 먼저 더 높은 수준에서 추론하도록 안내합니다. 유추 유도는 유사한 해결 문제를 상기시키는 반면, 후퇴 유도는 세부 사항을 다루기 전에 기본 원칙을 도출합니다. 추상화가 세부 사항에 직접 들어가는 것보다 종종 중요하기 때문에 중요합니다.
유추 프롬프트는 목표 문제를 해결하기 전에 모델에게 무엇을 요구합니까?
유추적 프롬프트는 모델이 문제에 맞는 고유한 관련 예시와 솔루션을 생성하도록 합니다.
Step-Back 메시지의 첫 번째 단계는 무엇입니까?
Step-Back은 먼저 문제를 지배하는 원리나 사실을 표면화하기 위해 추상적인 질문을 던집니다.
명시된 원칙(Step-Back)에 따라 답변을 기반으로 하는 것이 왜 도움이 됩니까?
지배 원칙을 먼저 명시하면 세부 단계를 안내하고 제한하여 오류 가능성이 낮아집니다.
Step-Back 메시지는 어떤 종류의 작업에서 주목할만한 이득을 보았습니까?
Step-Back은 먼저 추상화하여 과학 질문 및 다중 홉 추론에 대한 성능을 향상했습니다.
유추 촉구의 주목할만한 위험은 무엇입니까?
모델이 자체적인 유추를 만들어 내기 때문에 이러한 예시는 때로는 관련이 없거나 부정확하여 답을 해칠 수 있습니다.