เอเจนต์อภิปรายและลงคะแนน
ฉันทามติระหว่างเอเจนต์
เอเจนต์อภิปรายและลงคะแนน เป็นบทเรียน AI Prompt Engineering ฟรีบน CoddyKit นี่คือบทเรียนที่ 4 จากทั้งหมด 4 บทเรียน คุณสามารถอ่านบทเรียนทั้งหมดด้านล่างฟรี — จากนั้นลองปฏิบัติด้วยตัวคุณเองในเบราว์เซอร์พร้อมตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7 บทเรียนนี้เป็นส่วนหนึ่งของเส้นทางการเรียน AI Prompt Engineering และความก้าวหน้าของคุณจะซิงค์ข้ามเว็บและแอป CoddyKit คอร์ส AI Prompt Engineering มีบทเรียนทั้งหมด 4 บทเรียน
เหตุผลที่ต้องรวมผลลัพธ์จากหลายเอเจนต์
answer ของโมเดลเดียวเป็นตัวอย่างหนึ่งจากการแจกแจงที่มีทั้งข้อผิดพลาดและความมั่นใจเกินจริง การเรียกใช้เอเจนต์หลายตัวแล้ว รวมผลลัพธ์ ด้วยการลงคะแนนหรือการอภิปรายอย่างมีโครงสร้าง ใช้ประโยชน์จากความเป็นอิสระและความเห็นต่างเพื่อเปิดเผยข้อผิดพลาดและนำไปสู่ข้อสรุปที่น่าเชื่อถือยิ่งขึ้น
- การลงคะแนนช่วยหักล้างข้อผิดพลาดสุ่มที่เป็นอิสระต่อกัน
- การอภิปรายเปิดเผยการใช้เหตุผลที่บกพร่องให้ถูกตรวจสอบ
การลงคะแนนเพื่อความสอดคล้องในตนเอง
วิธีรวมผลลัพธ์ที่ง่ายที่สุดคือ สุ่มเส้นทางการใช้เหตุผลที่เป็นอิสระต่อกันหลายเส้นทางสำหรับคำถามเดียวกัน แล้วเลือก answer สุดท้ายที่เป็นเสียงข้างมาก ห่วงโซ่การใช้เหตุผลที่หลากหลายมักนำไปสู่ answer ที่ถูกต้องเหมือนกัน ขณะที่ข้อผิดพลาดกระจายตัว ดังนั้นฐานนิยมจึงน่าเชื่อถือกว่าเส้นทางใดเส้นทางหนึ่ง
วิธีนี้ได้ผลดีที่สุดเมื่อพื้นที่ของ answer มีคำตอบแบบไม่ต่อเนื่อง และเส้นทางต่าง ๆ เป็นอิสระต่อกันอย่างแท้จริง
from collections import Counter
answers = [solve(q, temperature=0.7) for _ in range(7)]
final = Counter(a.final for a in answers).most_common(1)[0][0]ความเป็นอิสระคือสมมติฐานสำคัญ
การลงคะแนนจะช่วยได้ก็ต่อเมื่อข้อผิดพลาด เป็นอิสระต่อกัน หากเอเจนต์ทั้งหมดใช้โมเดล คำสั่ง และอคติเดียวกัน พวกมันจะล้มเหลวไปพร้อมกัน และการลงคะแนนจะเพียงขยายข้อผิดพลาดร่วมให้ใหญ่ขึ้น ควรเพิ่มความหลากหลายด้วยอุณหภูมิที่แตกต่างกัน การจัดกรอบคำสั่งที่แตกต่างกัน การแบ่งงานที่แตกต่างกัน หรือโมเดลที่แตกต่างกัน
ผู้ลงคะแนนที่มีความสัมพันธ์กันทำให้เกิดความมั่นใจลวง ซึ่งเป็นอันตรายของฉันทามติโดยปราศจากความเป็นอิสระ
การอภิปรายระหว่างหลายเอเจนต์
ในการอภิปราย เอเจนต์จะสร้างคำตอบเริ่มต้น จากนั้นอ่านการใช้เหตุผลของกันและกันและ revise ข้ามรอบ การได้เห็นข้อโต้แย้งฝ่ายตรงข้ามช่วยให้เอเจนต์ตรวจพบข้อผิดพลาดของตนเองและละทิ้งจุดยืนที่อ่อนแอ ซึ่งมักนำไปสู่ answer ที่ดีกว่าจุดเริ่มต้นของเอเจนต์ทุกตัว
- รอบที่ 1: คำตอบที่เป็นอิสระต่อกัน
- รอบที่ 2 เป็นต้นไป: วิจารณ์และ revise โดยพิจารณาข้อโต้แย้งของเอเจนต์อื่น
positions = [agent.answer(q) for agent in agents]
for _ in range(rounds):
positions = [a.revise(q, others=positions) for a in agents]กับดักการประจบเอาใจ
การอภิปรายอาจล่มสลายเป็นการเห็นด้วยกันด้วยเหตุผลที่ผิด นั่นคือเอเจนต์ยอมตามเอเจนต์ที่พูดอย่างมั่นใจ แทนที่จะยอมตามข้อโต้แย้งที่ดีกว่า ควรป้องกันด้วยการกำชับให้เอเจนต์เปลี่ยนใจ เฉพาะ เมื่อพิจารณาจากคุณภาพของเหตุผล ให้ปกป้องจุดยืนที่ถูกต้องแม้อยู่ภายใต้แรงกดดัน และระบุข้อโต้แย้งเฉพาะเจาะจงที่ทำให้เปลี่ยนใจ
เป้าหมายคือความเห็นต่างที่ก่อให้เกิดประโยชน์ ส่วนฉันทามติที่เกิดขึ้นก่อนเวลาอันควรคือความล้มเหลว
instruction = (
'Revise only if a peer presents a stronger argument. '
'State which specific point changed your view, or defend your answer.'
)บทบาทผู้พิพากษาและผู้ชี้ขาด
แทนที่จะหวังให้ผู้ร่วมอภิปรายหาข้อสรุปตรงกัน ให้ ผู้พิพากษาที่เป็นกลางอ่านจุดยืนและข้อโต้แย้งสุดท้าย แล้ววินิจฉัยพร้อมเหตุผลประกอบ ผู้พิพากษาไม่ใช่ผู้ร่วมอภิปรายและไม่มีส่วนได้เสีย จึงช่วยลดอิทธิพลของเสียงที่ดังที่สุด
การแยกการเสนอจุดยืนออกจากการตัดสินชี้ขาดเป็นรูปแบบที่ทรงพลังและตรวจสอบย้อนหลังได้
verdict = judge.decide(
question=q, positions=positions,
rubric='choose the answer with the strongest evidence; explain why'
)การลงคะแนนแบบถ่วงน้ำหนักและตามระดับความมั่นใจ
คะแนนลงคะแนนไม่ได้มีน้ำหนักเท่ากันทั้งหมด เอเจนต์อาจรายงานระดับความมั่นใจที่ปรับเทียบแล้ว และคุณสามารถถ่วงน้ำหนักผลรวมตามนั้น หรือตัดคะแนนที่มีระดับความมั่นใจต่ำออกได้ แต่ควรระวังว่าโดยมากระดับความมั่นใจของโมเดลปรับเทียบได้ไม่ดี จึงควรตรวจสอบก่อนว่าการถ่วงน้ำหนักช่วยเพิ่มความแม่นยำได้จริง แล้วจึงไว้วางใจวิธีนี้
- ถ่วงน้ำหนักตามระดับความมั่นใจเฉพาะเมื่อระดับนั้นปรับเทียบได้ดี
- มิฉะนั้น การใช้เสียงข้างมากแบบไม่ถ่วงน้ำหนักจะปลอดภัยกว่า
def weighted_vote(votes):
tally = {}
for v in votes:
tally[v.answer] = tally.get(v.answer, 0) + v.confidence
return max(tally, key=tally.get)เส้นโค้งต้นทุนเทียบกับประโยชน์
การรวมผลลัพธ์ทำให้ต้นทุนเพิ่มขึ้นเป็นเส้นตรงตามจำนวนเอเจนต์และจำนวนรอบ แต่ประโยชน์ด้านความแม่นยำจะลดลง ตัวอย่างเพิ่มเติมในช่วงแรกช่วยได้มาก ส่วนตัวอย่างที่สิบแทบไม่ช่วยแล้ว ปรับจำนวนจากข้อมูลเชิงประจักษ์ และหยุดเมื่อความแม่นยำส่วนเพิ่มไม่คุ้มกับค่าใช้จ่ายส่วนเพิ่มอีกต่อไป
การหยุดแบบ adaptive คือการหยุดแต่เนิ่น ๆ เมื่อฉันทามติมีความชัดเจน ซึ่งช่วยประหยัดงบประมาณสำหรับรายการที่ง่าย
def adaptive(q, max_n):
votes = []
for _ in range(max_n):
votes.append(solve(q))
if dominant_fraction(votes) > 0.8: break # confident enough
return majority(votes)เมื่อการอภิปรายดีกว่าการลงคะแนน
การลงคะแนนเหมาะกับงานที่มี answer แบบไม่ต่อเนื่องและชัดเจนจากตัวอย่างที่เป็นอิสระต่อกัน การอภิปรายเหมาะกับงานที่ การใช้เหตุผล เป็นจุดที่มักเกิดความล้มเหลว เช่น การพิสูจน์หลายขั้นตอนหรือแผนที่มีข้อบกพร่องละเอียดอ่อน เพราะคุณค่าอยู่ที่การวิจารณ์ห่วงโซ่การใช้เหตุผล ไม่ใช่การนับข้อสรุป
เลือกวิธีให้ตรงกับจุดที่ข้อผิดพลาดเกิดขึ้น: อยู่ใน answer ให้ลงคะแนน หรืออยู่ในการใช้เหตุผลให้อภิปราย
คะแนนเสมอ การชะงักงัน และการยกระดับ
กำหนดว่าจะเกิดอะไรขึ้นเมื่อเอเจนต์หาข้อสรุปตรงกันไม่ได้ ไม่ว่าจะเป็นคะแนนเสมอหรือการอภิปรายที่ชะงักงัน ควรมีวิธีตัดสินกรณีเสมอที่แน่นอน เช่น คำวินิจฉัยของผู้พิพากษา ตัวเลือกที่มีความเสี่ยงต่ำที่สุด หรือการยกระดับให้มนุษย์เป็นผู้ตัดสิน แทนที่จะปล่อยให้ระบบวนซ้ำหรือเลือกแบบไร้หลักเกณฑ์
- จำกัดจำนวนรอบการอภิปราย เมื่อชะงักงันให้ผู้พิพากษาตัดสินหรือยกระดับการจัดการ
- แสดง “ไม่มีฉันทามติ” เป็นผลลัพธ์ที่ถูกต้องและนำไปดำเนินการต่อได้
รายการตรวจสอบการออกแบบฉันทามติ
สำหรับฉันทามติที่น่าเชื่อถือ ควรทำให้ผู้ลงคะแนนเป็นอิสระต่อกันด้วยความหลากหลายที่แท้จริง เลือกการลงคะแนนสำหรับ answer แบบไม่ต่อเนื่อง และเลือกการอภิปรายสำหรับงานที่ใช้เหตุผลหนัก ป้องกันการประจบเอาใจด้วยการ revise เฉพาะตามคุณภาพของเหตุผล เพิ่มผู้พิพากษาที่เป็นกลางเพื่อชี้ขาด ถ่วงน้ำหนักตามระดับความมั่นใจเฉพาะเมื่อปรับเทียบได้ดี หยุดแบบ adaptive เพื่อควบคุมต้นทุน และกำหนดวิธีตัดสินกรณีเสมอที่แน่นอนพร้อมการยกระดับ ความเห็นต่างคือทรัพยากร จึงควรจัดการอย่างมีเจตนา
ตรวจสอบความเข้าใจอย่างรวดเร็ว
คุณเรียกใช้เอเจนต์เจ็ดตัวที่ใช้โมเดล คำสั่ง และอุณหภูมิเดียวกันทั้งหมด จากนั้นลงคะแนนแบบเสียงข้างมากจากผลลัพธ์ของเอเจนต์เหล่านั้น โดยคาดหวังว่าจะมีความน่าเชื่อถือสูงขึ้น
ทบทวน: เอเจนต์ที่อภิปรายและลงคะแนน
การรวมผลลัพธ์จากหลายเอเจนต์ช่วยเพิ่มความน่าเชื่อถือด้วยการใช้ประโยชน์จากความเป็นอิสระและความเห็นต่าง ใช้การลงคะแนนเพื่อความสอดคล้องในตนเองสำหรับ answer แบบไม่ต่อเนื่อง และใช้การอภิปรายระหว่างหลายเอเจนต์สำหรับงานที่ใช้เหตุผลหนัก แต่ควรทำเมื่อผู้ลงคะแนนมีความหลากหลายอย่างแท้จริงเท่านั้น เพราะเอเจนต์ที่มีความสัมพันธ์กันจะขยายอคติร่วม ป้องกันการประจบเอาใจด้วยการ revise เฉพาะตามคุณภาพของเหตุผล เพิ่มผู้พิพากษาที่เป็นกลางเพื่อชี้ขาด ถ่วงน้ำหนักตามระดับความมั่นใจเฉพาะเมื่อปรับเทียบได้ดี หยุดแบบ adaptive เพื่อควบคุมต้นทุน และกำหนดวิธีตัดสินกรณีเสมอที่แน่นอนพร้อมการยกระดับ
คำถามที่พบบ่อย
บทเรียน “เอเจนต์อภิปรายและลงคะแนน” ฟรีหรือไม่
ใช่ — ข้อความเต็มของ “เอเจนต์อภิปรายและลงคะแนน” ฟรีให้อ่านที่นี่บนเว็บ เพื่อปฏิบัติแบบโต้ตอบ (ตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7) และปลดล็อคส่วนที่เหลือของคอร์ส AI Prompt Engineering ให้อัปเกรดเป็น CoddyKit PRO คอร์ส AI Prompt Engineering มีบทเรียนทั้งหมด 4 บทเรียน
คุณจะเรียนรู้อะไรในบทเรียน “เอเจนต์อภิปรายและลงคะแนน”
ฉันทามติระหว่างเอเจนต์ คุณปฏิบัติ AI Prompt Engineering ด้วยโค้ดที่ใช้งานได้จริงที่คุณเรียกใช้โดยตรงในเบราว์เซอร์ และติวเตอร์ AI ตลอด 24/7 ตอบคำถามของคุณขณะที่คุณไปผ่านบทเรียน
คุณต้องมีประสบการณ์ก่อนที่จะเริ่มเรียน AI Prompt Engineering หรือไม่
ไม่จำเป็นต้องมีประสบการณ์มาก่อน AI Prompt Engineering บน CoddyKit ออกแบบมาสำหรับผู้เริ่มต้นไปจนถึงผู้เรียนขั้นสูง คุณสามารถเริ่มต้นที่นี่หรือเริ่มจากตัวแรกและเรียนด้วยความเร็วของคุณเอง นี่คือบทเรียนที่ 4 จากทั้งหมด 4 บทเรียน
บทเรียน “เอเจนต์อภิปรายและลงคะแนน” ใช้เวลานานแค่ไหน
บทเรียน CoddyKit ส่วนใหญ่ใช้เวลาประมาณ 5–10 นาที แต่ละบทเรียนจึงสั้นและเป็นแบบโต้ตอบ คุณสามารถก้าวหน้าอย่างต่อเนื่องและกลับมาเรียนต่อจากตรงที่เพิ่งหยุดบนเว็บและแอปได้เลย
ฉันเขียนและรันโค้ดในบทเรียน AI Prompt Engineering นี้ได้ไหม
ได้ บทเรียน AI Prompt Engineering ทุกบทมีตัวแก้ไขโค้ดในตัว คุณจึงเขียนและรันโค้ดจริงได้เลยในเบราว์เซอร์ และได้รับข้อเสนอแนะจาก AI ในทันที — ไม่ต้องติดตั้งในเครื่องของคุณ
บทเรียนทั้งหมดในหลักสูตรนี้
- บทบาทและความเชี่ยวชาญเฉพาะด้าน
- ผู้ประสานงานและผู้ปฏิบัติงาน
- การสื่อสารระหว่างเอเจนต์
- เอเจนต์อภิปรายและลงคะแนน