Gambaran keseluruhan
Gesaan Plan-and-Solve (PS) memberitahu model bahasa untuk mula-mula merangka pelan eksplisit dan kemudian melaksanakannya langkah demi langkah, membetulkan kegagalan yang 'mari kita fikir langkah demi langkah' yang ditinggalkan. Ia adalah tweak segera mudah yang secara bermakna meningkatkan penaakulan pelbagai langkah tanpa sebarang latihan tambahan.
Anjuran Rancang dan Selesaikan ialah blok binaan teknikal yang mempengaruhi kualiti model, kos infrastruktur, kependaman dan kebolehpercayaan pada skala.
Menyelam dalam
Diperkenalkan dalam kertas ACL 2023 oleh Lei Wang dan rakan sekerja, gesaan Plan-and-Solve ialah tindak balas kepada kelemahan khusus dalam rantaian pemikiran sifar: model sering melangkau langkah, salah mengira atau salah membaca soalan. PS menggantikan arahan tunggal 'Mari kita fikir langkah demi langkah' dengan arahan dua bahagian: 'Mari kita fahami masalah itu dahulu dan buat rancangan untuk menyelesaikannya. Kemudian, mari kita laksanakan rancangan itu dan selesaikan masalah itu langkah demi langkah.' Varian yang dipertingkatkan, PS+, menambah peringatan untuk mengekstrak pembolehubah yang berkaitan, mengira hasil perantaraan dan memberi perhatian kepada nombor. Pada penanda aras seperti GSM8K dan SVAMP, PS+ menutup sebahagian besar jurang dengan rantaian pemikiran beberapa pukulan sementara tidak memerlukan contoh yang berkesan dalam gesaan.
Wawasan Teknikal
Mekanisme ini semata-mata dalam keadaan segera: dengan meminta pelan sebelum pelaksanaan, PS mengalihkan penjanaan autoregresif model supaya ia mula-mula menghasilkan submatlamat peringkat tinggi, yang kemudiannya menetapkan token penaakulan terperinci yang mengikutinya. Pemisahan ini mengurangkan 'missing-step' dan ralat pengiraan. PS+ terus mengarahkan perhatian dengan menamakan pembolehubah dan kuantiti perantaraan secara eksplisit, bertindak sebagai perancah yang dijana sendiri dan bukannya bergantung pada contoh tulisan tangan.
Menguasai Pelan-dan-Menyelesaikan Gesaan
Gesaan Plan-and-Solve (PS) memberitahu model bahasa untuk mula-mula merangka pelan eksplisit dan kemudian melaksanakannya langkah demi langkah, membetulkan kegagalan yang 'mari kita fikir langkah demi langkah' yang ditinggalkan. Ia adalah tweak segera mudah yang secara bermakna meningkatkan penaakulan pelbagai langkah tanpa sebarang latihan tambahan. Anjuran Rancang dan Selesaikan ialah blok binaan teknikal yang mempengaruhi kualiti model, kos infrastruktur, kependaman dan kebolehpercayaan pada skala. Untuk membina pemahaman yang mendalam, layan Plan-and-Solve Prompting sebagai model pengendalian, bukan satu ciri: tentukan hasil yang diingini, jelaskan andaian dan pisahkan perkara yang sistem boleh lakukan dengan pasti daripada perkara yang masih memerlukan pertimbangan pakar.
Dalam praktiknya, pasukan yang kuat yang menggunakan Prompt Rancang dan Selesaikan mengoptimumkan pilihan seni bina, data dan infrastruktur berbanding kebolehpercayaan dan kos. Mereka mendokumentasikan kriteria kejayaan yang jelas, menguji terhadap data dan aliran kerja yang realistik, dan mengulang berdasarkan corak kegagalan yang diperhatikan dan bukannya kemenangan penanda aras sekali. Di sinilah pemahaman teori bertukar menjadi keupayaan tahan lama merentas produk, dasar dan operasi.
Keputusan seni bina memacu prestasi dan kos operasi selama bertahun-tahun. Pada masa yang sama, Mengoptimumkan satu penanda aras boleh menyembunyikan kelemahan sistem yang lebih luas. Pendekatan yang paling berdaya tahan adalah untuk menggabungkan kelajuan percubaan dengan disiplin tadbir urus: menjalankan juruterbang, menangkap bukti, menerbitkan log keputusan dan sentiasa mengemas kini perlindungan apabila tingkah laku model, jangkaan pengguna dan keperluan kawal selia berkembang.
Kesan Strategik
Keputusan seni bina memacu prestasi dan kos operasi selama bertahun-tahun.
Keputusan seni bina memacu prestasi dan kos operasi selama bertahun-tahun. Dalam penempatan berkualiti tinggi, ini diterjemahkan kepada peraturan operasi yang boleh diukur, sempadan pemilikan dan ritual semakan berulang supaya pasukan dapat mengukur keyakinan dan bukannya menskalakan kekaburan.
Pendidikan teknikal membantu pasukan memilih timbunan yang betul, bukan hanya yang terbaharu.
Pendidikan teknikal membantu pasukan memilih timbunan yang betul, bukan hanya yang terbaharu. Dalam penempatan berkualiti tinggi, ini diterjemahkan kepada peraturan operasi yang boleh diukur, sempadan pemilikan dan ritual semakan berulang supaya pasukan dapat mengukur keyakinan dan bukannya menskalakan kekaburan.
Pilihan kejuruteraan yang lebih baik mengurangkan insiden kebolehpercayaan dalam pengeluaran.
Pilihan kejuruteraan yang lebih baik mengurangkan insiden kebolehpercayaan dalam pengeluaran. Dalam penempatan berkualiti tinggi, ini diterjemahkan kepada peraturan operasi yang boleh diukur, sempadan pemilikan dan ritual semakan berulang supaya pasukan dapat mengukur keyakinan dan bukannya menskalakan kekaburan.
Pelaksanaan Dunia Sebenar
Menyelesaikan masalah perkataan matematik sekolah gred berbilang langkah (GSM8K) di mana model mula-mula menyenaraikan kuantiti, kemudian mengiranya mengikut urutan.
Membimbing pembantu pengekodan untuk menggariskan fungsi dan kes tepi sebelum menulis sebarang kod pelaksanaan.
Menstrukturkan ejen sokongan pelanggan untuk mengenal pasti matlamat asas pengguna dahulu, kemudian menyusun langkah penyelesaian.
Memecahkan permintaan analisis data yang kompleks kepada 'rancang pertanyaan' diikuti dengan fasa 'jalankan dan gabungkan hasil'.
Corak Pelaksanaan
Rancang-dan-Selesaikan Gesaan dalam amalan
Menyelesaikan masalah perkataan matematik sekolah gred berbilang langkah (GSM8K) di mana model mula-mula menyenaraikan kuantiti, kemudian mengiranya mengikut urutan.
Menyelesaikan masalah perkataan matematik sekolah gred berbilang langkah (GSM8K) di mana model mula-mula menyenaraikan kuantiti, kemudian mengiranya mengikut susunan Pasukan biasanya mendapat hasil yang lebih baik apabila mereka mentakrifkan ambang kualiti di hadapan, mengekalkan laluan peningkatan manusia untuk kes tepi dan menjejaki kedua-dua keuntungan produktiviti dan kos ralat dari semasa ke semasa.
Rancang-dan-Selesaikan Gesaan dalam amalan
Membimbing pembantu pengekodan untuk menggariskan fungsi dan kes tepi sebelum menulis sebarang kod pelaksanaan.
Membimbing pembantu pengekodan untuk menggariskan fungsi dan kes tepi sebelum menulis sebarang kod pelaksanaan Pasukan biasanya mendapat hasil yang lebih baik apabila mereka menentukan ambang kualiti di hadapan, mengekalkan laluan peningkatan manusia untuk kes tepi dan menjejaki kedua-dua keuntungan produktiviti dan kos ralat dari semasa ke semasa.
Rancang-dan-Selesaikan Gesaan dalam amalan
Menstrukturkan ejen sokongan pelanggan untuk mengenal pasti matlamat asas pengguna dahulu, kemudian menyusun langkah penyelesaian.
Menstrukturkan ejen sokongan pelanggan untuk mengenal pasti matlamat asas pengguna dahulu, kemudian menyusun langkah penyelesaian Pasukan biasanya mendapat hasil yang lebih baik apabila mereka mentakrifkan ambang kualiti di hadapan, mengekalkan laluan peningkatan manusia untuk kes tepi dan menjejaki kedua-dua keuntungan produktiviti dan kos ralat dari semasa ke semasa.
Rancang-dan-Selesaikan Gesaan dalam amalan
Memecahkan permintaan analisis data yang kompleks kepada 'rancang pertanyaan' diikuti dengan fasa 'jalankan dan gabungkan hasil'.
Memecahkan permintaan analisis data yang kompleks ke dalam fasa 'rancang pertanyaan' diikuti dengan fasa 'jalankan dan gabungkan hasil' Pasukan biasanya mendapat hasil yang lebih baik apabila mereka menentukan ambang kualiti di hadapan, mengekalkan laluan peningkatan manusia untuk kes kelebihan dan menjejaki kedua-dua keuntungan produktiviti dan kos ralat dari semasa ke semasa.
Risiko & Pengawal
Mengoptimumkan satu penanda aras boleh menyembunyikan kelemahan sistem yang lebih luas.
Kos infrastruktur dan penyelenggaraan sering dipandang remeh.
Jurang keselamatan dan pemerhatian boleh berkembang apabila sistem menjadi lebih kompleks.
Hala Tuju Pelaksanaan
Tentukan sasaran kependaman, kualiti dan kos sebelum pelaksanaan.
Tentukan sasaran kependaman, kualiti dan kos sebelum pelaksanaan. Anggap setiap langkah sebagai gerbang bukti: jika kriteria tidak dipenuhi, jeda pelancaran, tutup jurang, dan kemudian kembangkan penggunaan.
Penanda aras di bawah beban realistik dan keadaan data.
Penanda aras di bawah beban realistik dan keadaan data. Anggap setiap langkah sebagai gerbang bukti: jika kriteria tidak dipenuhi, jeda pelancaran, tutup jurang, dan kemudian kembangkan penggunaan.
Pemantauan instrumen untuk ralat, drift dan kesan pengguna.
Pemantauan instrumen untuk ralat, drift dan kesan pengguna. Anggap setiap langkah sebagai gerbang bukti: jika kriteria tidak dipenuhi, jeda pelancaran, tutup jurang, dan kemudian kembangkan penggunaan.
Sediakan laluan balik dan tindak balas insiden sebelum penskalaan.
Sediakan laluan balik dan tindak balas insiden sebelum penskalaan. Anggap setiap langkah sebagai gerbang bukti: jika kriteria tidak dipenuhi, jeda pelancaran, tutup jurang, dan kemudian kembangkan penggunaan.