Промптинг с пошаговым рассуждением

Добро пожаловать в раздел о составлении запросов с использованием цепочки рассуждений (ЦР)! Этот прием похож на обучение большой языковой модели (LLM) тому, как «думать шаг за шагом» перед ответом.

Вместо того чтобы просто запрашивать окончательный ответ, Вы направляете LLM, предлагая показать ход рассуждений. Это часто приводит к более точным и надежным результатам, особенно при выполнении сложных задач.

Если Вы напрямую зададите LLM сложный вопрос, ей может быть трудно связать все факты воедино, и она даже может «галлюцинировать» (выдумывать) информацию.

Например, если попросить решить многоэтапную математическую задачу или логическую головоломку без дополнительных указаний, можно получить неправильные или неполные ответы, поскольку LLM пытается сразу перейти к решению.

Суть составления запросов с использованием ЦР удивительно проста: просто добавьте в запрос фразу вроде «Давайте подумаем шаг за шагом» или «Проведите меня через ход рассуждений».

Эта простая инструкция побуждает LLM разбить задачу на небольшие, доступные для выполнения части, имитируя человеческий мыслительный процесс.

Рассмотрим ЦР на простом примере:

• Запрос: «Средняя скорость автомобиля составляет 60 миль/ч. Сколько времени потребуется, чтобы проехать 180 миль? Давайте подумаем шаг за шагом».

Без ЦР LLM может просто ответить: «3 часа». При использовании ЦР Вы получите примерно такой результат:

• Результат LLM (ЦР):
  1. Определим известные величины: расстояние = 180 миль, скорость = 60 миль/ч.
  2. Вспомним формулу: время = расстояние / скорость.
  3. Подставим значения: время = 180 миль / 60 миль/ч.
  4. Вычислим: время = 3 часа.
  Итак, поездка займет 3 часа.

Составление запросов с использованием ЦР повышает эффективность LLM по нескольким важным причинам:

• Упрощает сложность: большие задачи превращаются в последовательность небольших задач, которые легче решить.
• Уменьшает количество ошибок: каждый шаг можно проверить, поэтому легче вовремя обнаружить ошибки.
• Повышает прозрачность: Вы видите, как LLM пришла к ответу, благодаря чему результат становится более надежным и проверяемым.
• Раскрывает возможности рассуждения: этот прием побуждает LLM более логично обращаться к своим внутренним знаниям и применять их.

ЦР особенно эффективна для вопросов, требующих учесть несколько факторов или условий. Например, для анализа ситуации с несколькими противоречащими друг другу правилами.

Если попросить LLM последовательно оценить каждое условие, вероятность пропустить детали или придать слишком большое значение неверной информации снижается. В результате итоговое решение получается более взвешенным и точным.

ЦР наиболее эффективна для задач, которые включают:

• Арифметические задачи и текстовые задачи по математике: как в нашем примере.
• Логические рассуждения: головоломки, задачи на дедукцию, условные утверждения.
• Многоэтапные инструкции: создание плана или последовательности действий.
• Синтез сложной информации: объединение нескольких фрагментов данных для формирования вывода.

Для простого воспроизведения фактов она не столь необходима.

Чтобы получить максимальную пользу от ЦР:

• Формулируйте запрос явно: четко напишите: «Давайте подумаем шаг за шагом».
• Приводите примеры (ЦР с несколькими примерами): для более сложных задач покажите пример задачи и ее пошаговое решение, прежде чем задать свой вопрос. (Подробнее об этом — в одном из следующих уроков!)
• Используйте ясный язык: убедитесь, что исходная формулировка задачи не допускает неоднозначного толкования.
• Экспериментируйте: разные фразы могут работать лучше в зависимости от LLM и задачи.

Какие из перечисленных вариантов являются основными преимуществами использования запросов с цепочкой рассуждений?

Вы освоили основы составления запросов с использованием цепочки рассуждений!

• ЦР предполагает, что LLM показывает шаги своих рассуждений.
• Такая простая фраза, как «Давайте подумаем шаг за шагом», помогает раскрыть более глубокое рассуждение.
• Этот прием особенно эффективен для сложных математических, логических и многоэтапных задач.
• К его основным преимуществам относятся повышение точности, уменьшение количества ошибок и большая прозрачность.

Продолжайте практиковаться в этом приеме, чтобы получать от LLM более умные и надежные ответы!