Solicitação analógica e de retrocesso
A solicitação analógica e a do Step-Back guiam primeiro um modelo para raciocinar em um nível superior: a solicitação analógica faz com que ele se lembre de problemas resolvidos semelhantes, enquanto o step-back faz com que ele derive o princípio subjacente antes de abordar os detalhes.
Visão geral
They matter because abstraction often beats diving straight into details.
Mergulho profundo
Estas são duas técnicas de pesquisa Google relacionadas de 2023 para melhorar o raciocínio. A solicitação analógica, de Yasunaga e colegas, pede ao modelo para autogerar alguns exemplos relevantes, problemas semelhantes que efetivamente viu e suas soluções antes de resolver o problema alvo, eliminando a necessidade de exemplos escritos à mão. O prompt Step-Back, de Zheng e colegas, em vez disso, faz primeiro uma pergunta de abstração ("que princípio ou fato geral rege isso?"), recupera ou raciocina sobre esse princípio e depois o aplica à questão concreta. Ambos afastam o modelo dos detalhes prematuros. O Step-Back mostrou ganhos em questões de física e química e no raciocínio multi-hop, enquanto o prompt analógico melhorou a matemática e a geração de código, adaptando exemplos para cada problema específico.
Visão Técnica
Step-Back funciona porque fundamentar uma resposta em um princípio declarado (digamos, a lei dos gases ideais ou uma definição) restringe o raciocínio detalhado subsequente e reduz deslizes nas etapas intermediárias. A solicitação analógica funciona porque os exemplos autogerados correspondem ao problema exato em questão, muitas vezes mais relevantes do que exemplos fixos de poucas tentativas, e eles preparam um padrão de solução apropriado. Ambos mudam a computação para recuperar primeiro a abstração correta e, em seguida, realizar um trabalho detalhado e fundamentado.
Impacto Estratégico
Velocidade e escala
Os fluxos de trabalho de idiomas podem avançar mais rapidamente sem sacrificar a consistência.
Acesso e alcance
Ele expande o acesso entre idiomas e estilos de comunicação.
Decisões mais claras
As equipes podem gastar mais tempo julgando enquanto a automação cuida da repetição.
O futuro da solicitação analógica e recuada
Espere que esses padrões de abstração em primeiro lugar se fundam com sistemas de recuperação, onde o princípio do retrocesso se torna uma consulta precisa em uma base de conhecimento, e com planejadores de agentes que raciocinam sobre estratégia antes de táticas. A pesquisa está refinando quando as analogias autogeradas ajudam versus quando introduzem exemplos irrelevantes ou errados, e combinando o retrocesso com a verificação para que o princípio escolhido seja verificado antes que um raciocínio pesado seja construído sobre ele. É provável que sejam padrões em modelos ajustados ao raciocínio.
Implementação no mundo real
Responder a uma questão de física declarando primeiro a lei relevante (por exemplo, a segunda lei de Newton) através de um passo atrás e, em seguida, inserindo números
Resolver um novo problema matemático fazendo com que o modelo lembre alguns problemas resolvidos semelhantes por meio de prompts analógicos
Resolver uma questão trivial de vários saltos, voltando para a categoria ou entidade mais ampla antes de encadear os fatos
Gerar código autogerando um algoritmo análogo e sua solução e, em seguida, adaptando-o à tarefa atual
Riscos e guarda-corpos
Fatos alucinados podem entrar silenciosamente em relatórios, fluxos de apoio ou resultados de pesquisas.
A sensibilidade do prompt pode criar resultados inconsistentes em solicitações semelhantes.
Dados de texto confidenciais podem ser expostos se os controles de acesso forem fracos.
Roteiro de implementação
Defina o formato de saída, o tom e os padrões de qualidade antes da implementação.
Respostas terrestres com fontes confiáveis sempre que a precisão for importante.
Mantenha um ponto de verificação de revisão humana para resultados de alto risco.
Rastreie padrões de falha e treine novamente prompts ou fluxos de trabalho regularmente.
Continue explorando
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
Próximo guia
Solicitação do mínimo para o máximo
Perguntas frequentes
What is Analogical and Step-Back Prompting?
A solicitação analógica e a do Step-Back guiam primeiro um modelo para raciocinar em um nível superior: a solicitação analógica faz com que ele se lembre de problemas resolvidos semelhantes, enquanto o step-back faz com que ele derive o princípio subjacente antes de abordar os detalhes. Eles são importantes porque a abstração geralmente é melhor do que mergulhar direto nos detalhes.
O que a solicitação analógica pede ao modelo antes de resolver o problema alvo?
A solicitação analógica faz com que o modelo gere seus próprios exemplos e soluções relevantes, adaptados ao problema.
Qual é a primeira etapa da solicitação Step-Back?
Step-Back primeiro faz uma pergunta de abstração para trazer à tona o princípio ou fato que rege o problema.
Por que fundamentar uma resposta em um princípio declarado (Step-Back) ajuda?
Declarar primeiro o princípio governante orienta e restringe as etapas detalhadas, diminuindo a chance de erros.
Em que tipos de tarefas o prompt Step-Back mostrou ganhos notáveis?
Step-Back melhorou o desempenho em questões científicas e raciocínio multi-hop, abstraindo primeiro.
Qual é o risco observado de estímulos analógicos?
Como o modelo inventa as suas próprias analogias, esses exemplos podem por vezes ser irrelevantes ou incorrectos, prejudicando a resposta.