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.
Tổng quan
It matters because it lets models tackle questions far harder than the examples they were shown.
Lặn sâu
Lời nhắc từ ít nhất đến nhiều nhất do Chu và các đồng nghiệp tại Google giới thiệu vào năm 2022, có hai giai đoạn. Đầu tiên, mô hình được nhắc phân tách một câu hỏi phức tạp thành một danh sách có thứ tự các câu hỏi phụ dễ hơn. Thứ hai, nó giải quyết từng câu hỏi phụ đó, gắn từng câu trả lời đã giải vào ngữ cảnh để các bước sau có thể dựa trên những câu hỏi trước đó. Điều này khác với chuỗi suy nghĩ, vốn lý luận trong một lần duy nhất mà không có sự phân tách rõ ràng. Kết quả tiêu đề là sự khái quát hóa mạnh mẽ từ dễ đến khó: trên tiêu chuẩn tổng quát hóa thành phần SCAN, lời nhắc từ ít nhất đến nhiều nhất đã giải quyết được phần lớn các lệnh dài mặc dù các ví dụ gợi ý ngắn, trong đó chuỗi suy nghĩ tiêu chuẩn phần lớn không thành công.
Hiểu biết kỹ thuật
Sức mạnh đến từ việc tách biệt việc lập kế hoạch khỏi việc thực hiện. Sự phân rã tạo ra một chuỗi có thứ tự phụ thuộc sao cho bài toán con N chỉ dựa vào các bài toán con đã được giải. Mỗi câu trả lời đã giải quyết sẽ được nối vào dấu nhắc đang chạy, mang lại cho mô hình kết quả trung gian mà mô hình cần thay vì yêu cầu mô hình giữ mọi thứ trong một bước nhảy. Điều này làm giảm lý do mà mỗi bước riêng lẻ phải thực hiện, đó là lý do tại sao các mô hình khái quát hóa đầu vào lâu hơn và khó hơn bất kỳ trình diễn đơn lẻ nào.
Tác động chiến lược
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.
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.
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
Rủi ro & lan can
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.
Lộ trình thực hiện
Xác định định dạng đầu ra, âm thanh và tiêu chuẩn chất lượng trước khi triển khai.
Phản hồi mặt đất với các nguồn đáng tin cậy bất cứ khi nào độ chính xác quan trọng.
Duy trì điểm kiểm tra đánh giá của con người đối với các kết quả đầu ra có mức độ rủi ro cao.
Theo dõi các kiểu lỗi và đào tạo lại các lời nhắc hoặc quy trình làm việc thường xuyên.
Tiếp tục khám phá
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
Hướng dẫn tiếp theo
Nhắc nhở lập kế hoạch và giải quyết
Câu hỏi thường gặp
What is Least-to-Most Prompting?
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.
Khả năng từ Ít nhất đến Đáng chú ý nhất đã thể hiện trên điểm chuẩn SCAN?
Nó giải quyết được các lệnh cấu thành dài mặc dù chỉ nhìn thấy các ví dụ ngắn, thể hiện tính khái quát từ dễ đến khó.
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.