Mai departeUrmătorul ghid
Îndemnuri socratice care fac ca AI să te învețe
AI limbaj
GHID AI limbaj
Cel mai puțin până la cel mai mult prompt
Solicitarea de la cel puțin la cel mai mult descompune o problemă dificilă într-o secvență de subprobleme mai simple, rezolvându-le în ordine, astfel încât fiecare răspuns să alimenteze următorul.
Ascultă acest ghidNarativ AI · ~2 min
Pe această pagină2 minute de lectură
Prezentare generală
It matters because it lets models tackle questions far harder than the examples they were shown.
Scufundare în profunzime
Least-to-Most prompting, introduced by Zhou and colleagues at Google in 2022, has two stages. First, the model is prompted to decompose a complex question into an ordered list of easier subquestions. Second, it solves those subquestions one at a time, appending each solved answer to the context so later steps can build on earlier ones. This differs from chain-of-thought, which reasons in a single pass without explicit decomposition. The authors evaluated symbolic manipulation, math reasoning, and SCAN, a compositional-generalization benchmark built from natural-language commands. For the specific SCAN setup using GPT-3 code-davinci-002 and 14 exemplars, Least-to-Most reached at least 99% accuracy across the tested splits, including the length split, compared with 16% for chain-of-thought prompting. This is a result for that model, prompt setup, and benchmark, not a general accuracy guarantee.
Implementare în lumea reală
Rezolvarea unei probleme de cuvinte în mai mulți pași, înnumerând mai întâi cantitățile de calculat, apoi calculându-le în ordine
Sarcini de limbaj compozițional, cum ar fi traducerea instrucțiunilor lungi în secvențe de acțiuni din exemple scurte
Răspunsul la o întrebare complexă de cercetare, împărțind-o în sub-întrebări ale căror răspunsuri se combină în răspunsul final
Scrierea unui program prin descompunerea lui în funcții de ajutor rezolvate pe rând, fiecare reutilizată prin pașii ulterioare
Viitorul de la cel mai puțin la cel mai mult prompt
Ideile de la cel puțin până la cele mai multe stau la baza multor arhitecturi de agenți și planificatori care împart obiectivele în subsarcini ordonate înainte de a acționa. Așteptați-vă hibrizi cu utilizarea instrumentului, în care fiecare subîntrebare poate declanșa un calculator, o căutare sau un apel de cod și cu auto-coerență pentru subrăspunsuri mai robuste. Cercetările explorează, de asemenea, descompunerea automată care adaptează adâncimea la dificultatea problemei și combinând-o cu verificarea, astfel încât un răspuns secundar greșit timpuriu să nu corupă în tăcere întregul lanț din aval.
Punând-o în practică
De ce contează
- Viteză și scară. Fluxurile de lucru lingvistice se pot deplasa mai rapid fără a sacrifica consistența.
- Acces și acoperire. Extinde accesul în diferite limbi și stiluri de comunicare.
- Decizii mai clare. Echipele pot petrece mai mult timp jucând în timp ce automatizarea se ocupă de repetiție.
Atenție la
- Faptele halucinate pot intra în liniște în rapoarte, fluxuri de sprijin sau rezultate ale cercetării.
- Sensibilitatea promptă poate crea rezultate inconsecvente pentru solicitări similare.
- Datele text sensibile pot fi expuse dacă controalele de acces sunt slabe.
Următorii pași
- Definiți formatul de ieșire, tonul și standardele de calitate înainte de lansare.
- Răspunsurile la sol cu surse de încredere ori de câte ori acuratețea contează.
- Păstrați un punct de control uman pentru rezultate cu mize mari.
- Urmăriți tiparele de eșec și reantrenați în mod regulat solicitările sau fluxurile de lucru.
Continuați să explorați
Buletin gratuit
Primește briefingul zilnic AI
Trei povești AI verificate în fiecare dimineață de zi lucrătoare, scrise în engleză simplă. Gratuit pentru totdeauna, fără reclame.
Un e-mail în fiecare zi lucrătoare. Dezabonare cu un singur clic. Nu vindem niciodată și nu împărtășim adresa ta.
Testează-te
Take the Least-to-Most Prompting quiz
Feedback instantaneu la fiecare răspuns și un certificat partajabil cu un ID verificabil după ce parcurgi un curs.
Susține educația AI gratuită. AI Understanding este o organizație nonprofit 501(c)(3) — fără reclame, fără barieră de plată, pentru totdeauna. Fă o donație
Întrebări frecvente
What is Least-to-Most Prompting?
Solicitarea de la cel puțin la cel mai mult descompune o problemă dificilă într-o secvență de subprobleme mai simple, rezolvându-le în ordine, astfel încât fiecare răspuns să alimenteze următorul. Contează pentru că le permite modelelor să abordeze întrebările mult mai greu decât exemplele care le-au fost prezentate.
Care sunt cele două etape principale ale solicitării de la Least to Most?
Mai întâi descompune problema într-un set ordonat de subîntrebări mai ușoare, apoi rezolvă fiecare în succesiune.
Prin ce diferă de la cel mai puțin la cel mai mult de îndemnul standard al lanțului de gândire?
Motive de lanț de gândire într-o singură trecere; cel puțin până la cel mai explicit descompune și înlănțuiește subrăspunsurile împreună.
What kind of task does the SCAN benchmark use to test compositional generalization?
SCAN tests compositional generalization using commands that map language to action sequences; the Least-to-Most paper evaluates whether prompts transfer to harder command compositions.
De ce este importantă ordinea subîntrebărilor?
Subproblemele sunt aranjate astfel încât fiecare să depindă numai de cele rezolvate anterior, lăsând răspunsurile să se acumuleze corect.
Cum sunt folosite răspunsurile intermediare în etapa de rezolvare?
Fiecare subrăspuns rezolvat este adăugat la promptul de rulare, astfel încât pașii următori să aibă rezultatele de care au nevoie.
Continuați să învățați
Ghiduri conexe
Mai multe ghiduri alese pentru acest subiect