HƯỚNG DẪN AI về ngôn ngữ

Nhắc nhở ít nhất đến nhiều nhất

Lời nhắc từ ít nhất đến nhiều nhất chia một bài toán khó thành một chuỗi các bài toán con đơn giản hơn, giải chúng theo thứ tự sao cho mỗi câu trả lời sẽ bổ sung cho câu trả lời tiếp theo.

Nghe hướng dẫn nàyAI thuật lại · ~2 min

Trên trang nàyĐọc trong 2 phút
  1. Tổng quan
  2. Lặn sâu
  3. Triển khai trong thế giới thực
  4. Tương lai của việc nhắc nhở ít nhất đến nhiều nhất
  5. Đưa nó vào thực tế
  6. Tiếp tục khám phá
  7. Câu hỏi thường gặp

Tổng quan

Điều này quan trọng vì nó cho phép các mô hình giải quyết các câu hỏi khó hơn nhiều so với các ví dụ mà chúng được đưa ra.

Lặn sâu

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.

Triển khai trong thế giới thực

Giải bài toán đố gồm nhiều bước bằng cách trước tiên liệt kê các đại lượng cần tính, sau đó tính theo thứ tự

Các tác vụ ngôn ngữ tổng hợp như dịch các hướng dẫn dài thành chuỗi hành động từ các ví dụ ngắn

Trả lời một câu hỏi nghiên cứu phức tạp bằng cách chia nó thành các câu hỏi phụ có câu trả lời kết hợp thành câu trả lời cuối cùng

Viết chương trình bằng cách phân tách nó thành các hàm trợ giúp, giải quyết từng hàm một, mỗi hàm được sử dụng lại ở các bước sau

Tương lai của việc nhắc nhở ít nhất đến nhiều nhất

Ý tưởng từ ít nhất đến nhiều nhất hiện đang củng cố nhiều kiến ​​trúc tác nhân và người lập kế hoạch chia mục tiêu thành các nhiệm vụ phụ được sắp xếp trước khi hành động. Mong đợi sự kết hợp với việc sử dụng công cụ, trong đó mỗi câu hỏi phụ có thể kích hoạt một máy tính, tìm kiếm hoặc gọi mã và có khả năng tự thống nhất để có các câu trả lời phụ mạnh mẽ hơn. Nghiên cứu cũng đang khám phá khả năng phân tách tự động giúp điều chỉnh độ sâu theo độ khó của vấn đề và kết hợp nó với xác minh để một câu trả lời phụ sai sớm không âm thầm làm hỏng toàn bộ chuỗi xuôi dòng.

Đưa nó vào thực tế

Tại sao nó quan trọng

  • Tốc độ và tỷ lệ. Quy trình công việc ngôn ngữ có thể di chuyển nhanh hơn mà không làm mất tính nhất quán.
  • Truy cập và tiếp cận. Nó mở rộng quyền truy cập vào các ngôn ngữ và phong cách giao tiếp.
  • Quyết định rõ ràng hơn. Các nhóm có thể dành nhiều thời gian hơn để đánh giá trong khi quá trình tự động hóa xử lý sự lặp lại.

coi chừng

  • Sự thật ảo giác có thể lặng lẽ đi vào báo cáo, luồng hỗ trợ hoặc kết quả nghiên cứu.
  • Sự nhạy cảm kịp thời có thể tạo ra kết quả không nhất quán đối với các yêu cầu tương tự.
  • Dữ liệu văn bản nhạy cảm có thể bị lộ nếu khả năng kiểm soát quyền truy cập yếu.

Các bước tiếp theo

  1. Xác định định dạng đầu ra, âm thanh và tiêu chuẩn chất lượng trước khi triển khai.
  2. Phản hồi mặt đất với các nguồn đáng tin cậy bất cứ khi nào độ chính xác quan trọng.
  3. Duy trì điểm kiểm tra đánh giá của con người đối với các kết quả đầu ra có mức độ rủi ro cao.
  4. Theo dõi các kiểu lỗi và đào tạo lại các lời nhắc hoặc quy trình làm việc thường xuyên.

Tiếp tục khám phá

Bản tin miễn phí

Nhận bản tóm tắt AI hàng ngày

Ba câu chuyện AI đã được xác minh vào mỗi buổi sáng các ngày trong tuần, được viết bằng tiếng Anh đơn giản. Miễn phí mãi mãi, không có quảng cáo.

Một email mỗi ngày trong tuần. Hủy đăng ký trong một cú nhấp chuột. Chúng tôi không bao giờ bán hoặc chia sẻ địa chỉ của bạn.

Tự kiểm tra

Take the Least-to-Most Prompting quiz

Phản hồi tức thì về mọi câu trả lời và chứng chỉ có thể chia sẻ với ID có thể xác minh sau khi bạn vượt qua khóa học.

Bắt đầu bài kiểm tra

Hỗ trợ giáo dục AI miễn phí. AI Understanding là tổ chức phi lợi nhuận 501(c)(3) — không bao giờ có quảng cáo, không có tường phí. Hãy quyên góp

Câu hỏi thường gặp

Lời nhắc từ ít nhất đến nhiều nhất là gì?

Lời nhắc từ ít nhất đến nhiều nhất chia một bài toán khó thành một chuỗi các bài toán con đơn giản hơn, giải chúng theo thứ tự sao cho mỗi câu trả lời sẽ bổ sung cho câu trả lời tiếp theo. Điều này quan trọng vì nó cho phép các mô hình giải quyết các câu hỏi khó hơn nhiều so với các ví dụ mà chúng được đưa ra.

Hai giai đoạn chính của việc nhắc từ Ít đến Nhiều là gì?

Đầu tiên, nó chia vấn đề thành một tập hợp các câu hỏi phụ dễ hơn theo thứ tự, sau đó giải quyết từng câu hỏi theo trình tự.

Từ ít nhất đến nhiều nhất khác với việc nhắc nhở theo chuỗi suy nghĩ tiêu chuẩn như thế nào?

Lý do chuỗi suy nghĩ trong một lần; từ tối thiểu đến tối đa phân tách rõ ràng và xâu chuỗi các câu trả lời phụ lại với nhau.

Bài kiểm tra SCAN sử dụng loại nhiệm vụ nào để kiểm tra khả năng tổng quát hoá thành phần?

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.

Tại sao thứ tự các câu hỏi phụ lại quan trọng?

Các bài toán con được sắp xếp sao cho mỗi bài toán chỉ phụ thuộc vào những bài toán đã được giải trước đó, giúp cho các câu trả lời được hình thành một cách chính xác.

Các câu trả lời trung gian được sử dụng như thế nào trong giai đoạn giải?

Mỗi câu trả lời phụ đã giải quyết sẽ được thêm vào lời nhắc đang chạy để các bước tiếp theo có kết quả như mong muốn.