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.
Prezentare generală
It matters because it lets models tackle questions far harder than the examples they were shown.
Scufundare în profunzime
Solicitarea de la cel puțin până la cea mai mare, introdusă de Zhou și colegii de la Google în 2022, are două etape. În primul rând, modelul este solicitat să descompună o întrebare complexă într-o listă ordonată de subîntrebări mai ușoare. În al doilea rând, rezolvă acele subîntrebări una câte una, adăugând fiecare răspuns rezolvat contextului, astfel încât pașii de mai târziu să se poată baza pe cei anteriori. Acest lucru diferă de lanțul de gândire, care motivează într-o singură trecere fără descompunere explicită. Rezultatul principal a fost o generalizare puternică, ușor de greu: în comparația de generalizare compozițională SCAN, promptarea de la cel puțin până la cea mai mare a rezolvat o mare parte a comenzilor lungi, chiar dacă exemplele prompte erau scurte, unde lanțul de gândire standard a eșuat în mare parte.
Perspectivă tehnică
Puterea vine din separarea planificării de execuție. Descompunerea produce un lanț ordonat în dependență, astfel încât subproblema N se bazează doar pe subprobleme deja rezolvate. Fiecare răspuns rezolvat este concatenat în promptul de rulare, oferindu-i modelului rezultatele intermediare de care are nevoie, mai degrabă decât să îi ceară să țină totul dintr-un singur salt. Acest lucru reduce raționamentul pe care trebuie să îl efectueze fiecare pas individual, motiv pentru care modelele se generalizează la intrări mai lungi și mai greu decât orice demonstrație unică.
Impact strategic
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.
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.
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
Riscuri și balustrade
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.
Foaia de parcurs de implementare
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
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
Următorul ghid
Prompt pentru planificare și rezolvare
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.
Ce capacitate a demonstrat Least-to-Most în mod deosebit la benchmarkul SCAN?
A rezolvat comenzile compoziționale lungi, în ciuda faptului că a văzut doar exemple scurte, arătând o generalizare ușor de greu.
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.