- Rangkaian pemikiran membimbing model AI untuk menaakul langkah demi langkah, membantu mereka menyelesaikan tugas yang rumit dengan lebih tepat daripada hanya meramalkan perkataan seterusnya.
- Ia paling sesuai digunakan untuk masalah berbilang langkah, seperti matematik, teka-teki logik atau tugasan prosedur, tetapi tidak diperlukan untuk pertanyaan fakta atau satu langkah mudah.
- Rantaian segera berbeza daripada gesaan rantaian pemikiran dengan membahagikan tugas kepada beberapa gesaan berasingan, manakala rantaian pemikiran kekal dalam satu aliran gerak balas segera.
Jika anda telah menggunakan GPT chatbot seperti ChatGPT , anda mungkin perasan kualiti keluaran yang pelbagai.
Kadang-kadang ia memuntahkan apa yang anda perlukan. Pada masa lain anda mengesyaki bahawa 'kecerdasan' dalam AI adalah sedikit sandiwara.
Anda boleh meningkatkan permainan ChatGPT anda dengan menambah baik cara anda menggesanya. Rangkaian pemikiran mendorong ejen LLM membuat pertimbangan melalui tugasan langkah demi langkah sebelum menjana respons.
Model dan ciri AI yang lebih baharu mula dibina dalam penaakulan rantaian pemikiran secara langsung, supaya model mereka membuat alasan secara automatik melalui masalah tanpa sebarang gesaan tambahan.
Apakah gesaan rantaian pemikiran?
Gesaan rantaian pemikiran ialah teknik kejuruteraan segera dalam AI yang mengarahkan model untuk memecahkan tugas yang kompleks, membuat pertimbangan melalui setiap langkah sebelum bertindak balas.
Anda juga mungkin mendengar istilah 'penaakulan rantaian-fikiran'. Ini merujuk kepada proses langkah demi langkah yang akan diambil oleh model untuk menaakul melalui tugas yang sedang dijalankan.
Model OpenAI o1 tidak memerlukan gesaan rantaian pemikiran, kerana mereka sudah mempunyai penaakulan rantaian pemikiran terbina dalam. Tetapi anda boleh menggunakan gesaan rantaian pemikiran pada mana-mana LLM -chatbot berkuasa.
Bagaimanakah penaakulan rantaian pemikiran berfungsi?
Penaakulan rantaian pemikiran memerlukan memecahkan masalah kepada langkah-langkah logik yang lebih kecil untuk diselesaikan oleh AI chatbot mengikut turutan.
Pertama, AI mengenal pasti bahagian utama masalah. Kemudian ia memproses setiap bahagian dalam urutan, mempertimbangkan bagaimana satu langkah menuju ke yang seterusnya. Setiap langkah dibina pada langkah sebelumnya, membolehkan AI bergerak secara metodologi ke arah kesimpulan yang logik.
Contoh gesaan rantaian pemikiran
Gesaan 'strawberi' yang terkenal
ChatGPT dan lain-lain LLMs mempunyai kelemahan yang didokumentasikan dengan baik. Salah satunya ialah ketidakupayaan mereka untuk mengenal pasti dengan betul berapa banyak 'R' dalam perkataan 'strawberi'. (Mungkin had yang terkenal di sebalik nama kod model o1: Strawberi.)
ChatGPT -4o tidak menggunakan penaakulan rantaian pemikiran. Sebaliknya, ia merujuk data latihannya dan menjana respons berdasarkan kemungkinan setiap perkataan mengikuti perkataan sebelumnya. Walaupun ia mungkin kedengaran betul pada kebanyakan masa, ia hanya menjana untuk meniru bahasa manusia – bukan menaakul atau menjalankan penyelidikan.
Apabila anda bertanya ChatGPT -4o soalan strawberi yang terkenal, ia tidak dapat memberikan jawapan yang betul:
Walau bagaimanapun, anda boleh menggunakan teknik gesaan rantaian pemikiran untuk membantu LLM -chatbot berkuasa tiba pada jawapan yang betul:
Lelaran terkini daripada ChatGPT , dikuasakan oleh OpenAI o1-preview, ialah major pertama LLM untuk menggunakan penaakulan rantaian pemikiran tanpa sebarang dorongan tambahan.
Ia memecahkan jawapan pada percubaan pertama, kerana ia telah diarahkan untuk secara automatik mengikuti proses yang sama seperti yang kedua ChatGPT -4o gesaan di atas. Satu-satunya perbezaan ialah ia melakukan proses ini tanpa gesaan tambahan.
Matematik
Jika anda meminta versi lama ChatGPT soalan matematik daripada buku teks sekolah rendah, soalan itu tidak semestinya betul.
Masalah matematik berbilang langkah memerlukan penaakulan, yang tidak terdapat sebelum ini LLMs . Anda boleh memecahkan setiap langkah masalah, tetapi jika anda tidak tahu langkah yang betul, a LLM tidak dapat membantu.
ChatGPT -4o dapat menaakul jawapan kepada soalan dengan memecahkan siri langkah dalam masalah:
Ejen AI disambungkan ke Hubspot
Untuk aplikasi dunia sebenar, mari ambil satu LLM -ejen AI berkuasa yang telah disepadukan ke dalam Hubspot. Pasukan jualan menggunakan ejen AI ini untuk memproses petunjuk baharu semasa mereka dikumpulkan merentas saluran.
Senario
Seorang jurujual menghantar petunjuk baharu kepada ejen AI dan memintanya mendaftarkannya dalam Hubspot dan menghantar e-mel titik sentuh pertama, tetapi tidak mengisinya jika petunjuk itu bekerja di syarikat yang sudah menjadi prospek.
LLM tanpa penaakulan rantaian pemikiran
Ejen AI yang dikuasakan LLM mendaftarkan petunjuk dan menghantar e-mel tanpa menyemak sama ada syarikat itu sudah menjadi prospek, kehilangan syarat utama.
LLM dengan penaakulan rantaian pemikiran
Yang LLM -ejen AI berkuasa menyemak sama ada syarikat itu sudah menjadi prospek sebelum mengambil tindakan. Jika ia adalah prospek, ia melangkau pendaftaran dan menghantar e-mel; jika tidak, ia mendaftarkan petunjuk dan menghantar e-mel, mengikut arahan jurujual dengan tepat.
Bilakah saya harus menggunakan gesaan rantaian pemikiran?
Gesaan rantaian pemikiran paling baik digunakan dalam senario yang memerlukan penaakulan langkah demi langkah.
Calon perdana ialah tugasan yang melibatkan potongan logik, masalah matematik, tugasan prosedur atau sebarang situasi yang memerlukan jawapan berbilang langkah.
Tetapi tunggu: penaakulan kedengaran bagus – mengapa saya tidak menggunakannya sepanjang masa?
Soalan yang bagus. Tidak semua soalan memerlukan penaakulan. Contohnya:
- Soalan fakta mudah, seperti 'Apakah ibu negara Kanada?'
- Masalah satu langkah, seperti 'Apakah 145 + 37?'
- Tugas penjanaan kandungan, seperti 'Tulis e-mel 3 ayat yang sopan yang bertanya kepada rakan sekerja saya sama ada mereka sudah selesai dengan projek mereka.'
Mendorong perubahan vs dorongan rantaian pemikiran
Walaupun nama serupa, rantaian segera dan dorongan rantaian pemikiran adalah strategi dorongan yang berbeza untuk meningkatkan output AI generatif.
Rangkaian pemikiran yang mendorong
Dengan dorongan rantaian pemikiran, pengguna membimbing AI untuk menerangkan alasan di sebalik jawapannya dalam satu respons. Ini mendorong AI untuk berjalan melalui setiap langkah proses penyelesaian masalah, tetapi ia dicapai dalam satu gesaan dan tindak balas.
Sebagai contoh, gesaan rantaian pemikiran boleh dicapai dalam satu mesej:
"Pasukan HR perlu menyemak 5 penilaian prestasi pekerja. Setiap satu akan mengambil masa 30 minit dan mereka memerlukan 15 minit untuk membuat persediaan terlebih dahulu. Eval senior akan memerlukan tambahan 10 minit setiap satu. Berapa lama masa yang diperlukan untuk menyelesaikan 5 eval senior dan 25 junior? Pecahkan alasan anda selangkah demi selangkah."
Rangkaian segera
Dengan rantaian segera, tugasan dipecahkan kepada langkah-langkah yang berasingan dengan berbilang gesaan, setiap membina pada hasil sebelumnya. Ini membantu menyusun dan membimbing AI melalui tugas kompleks yang mungkin melibatkan penaakulan.
Gesaan pertama mungkin kelihatan seperti:
Gesaan 1 : Kenal pasti cabaran utama yang mungkin dihadapi oleh syarikat apabila beralih ke kerja jauh.
Output :
- Jurang komunikasi
- Mengekalkan produktiviti
- Infrastruktur teknologi
- Penglibatan pekerja
Gesaan seterusnya mungkin menyelami lebih jauh ke dalam konsep ini. Contohnya:
Gesaan 2 : Sila beritahu saya cara syarikat boleh mencari penyelesaian kepada jurang komunikasi apabila beralih ke kerja jauh.
Selepas pusingan keluaran seterusnya, pautan rantaian seterusnya mungkin:
Prompt 3 : Apakah cabaran biasa yang dihadapi oleh syarikat apabila mereka menggunakan penyelesaian ini?
Jadi walaupun kedua-duanya serupa, mereka mengambil pendekatan yang berbeza untuk mengekstrak kandungan yang paling mendalam dan relevan daripada alat AI generatif.
Rangkaian pemikiran digesa Botpress
Botpress pengguna sudah biasa dengan ciri yang menggunakan penaakulan rantaian pemikiran.
Nod Autonomi memulakan kerjaya pada Julai 2024 pada Botpress , platform untuk membina ejen AI. Nod Autonomi mampu mengautomasikan aliran kerja berbilang langkah dan membuat keputusan secara autonomi.
Nod Autonomi boleh dibuat dan digesa dengan baris teks yang ringkas, seperti 'Tujuan anda adalah untuk menjana petunjuk yang layak. Buat petunjuk dalam Salesforce apabila pengguna menunjukkan niat membeli.'
Ejen AI yang anda bina menggunakan Nod Autonomi ini akan mengambil pelbagai tindakan untuk mencapai matlamatnya, bebas daripada aliran kerja yang direka oleh manusia. Ia juga boleh bertukar antara yang berbeza LLMs mengikut keperluan, mengambil keputusan untuk mengutamakan kelajuan atau kuasa.
Bina ejen autonomi tersuai
Botpress ialah satu-satunya platform ejen AI yang membolehkan anda membina ejen yang benar-benar autonomi.
Yang terbuka dan fleksibel Botpress Studio membenarkan kes penggunaan yang tidak berkesudahan merentas industri, daripada sumber manusia kepada penjanaan utama. Pustaka integrasi pra-bina kami dan tutorial yang luas membolehkan pengguna membina ejen AI dengan mudah dari awal.
Mula membina hari ini. Ia percuma.
Atau hubungi pasukan jualan kami .
Soalan lazim
Adakah dorongan rantaian pemikiran hanya berguna untuk model AI, atau adakah ia mencerminkan penyelesaian masalah manusia juga?
Ia sebenarnya mencerminkan cara manusia menyelesaikan masalah yang kompleks dengan memecahkannya ke dalam beberapa langkah supaya ia merupakan teknik yang berguna untuk AI dan mencerminkan penaakulan semula jadi manusia.
Bagaimanakah penaakulan rantaian pemikiran berbeza daripada hanya "berfikir langkah demi langkah"?
Mereka berkait rapat, tetapi penaakulan rantaian pemikiran lebih tersusun dan disengajakan. Ia mendorong AI untuk menerangkan logiknya dengan kuat, dan bukannya melompat ke jawapan.
Mengapa melakukan beberapa LLMs tidak menggunakan penaakulan rantaian pemikiran secara lalai?
Model yang lebih awal atau lebih kecil tidak dilatih untuk membuat alasan secara eksplisit, jadi mereka cenderung untuk meramalkan jawapan berdasarkan corak dan bukannya langkah logik melainkan digesa sebaliknya.
Adakah rantaian pemikiran mendorong satu bentuk "latihan" model semasa inferens?
Tidak betul-betul. Anda tidak mengubah pengetahuan model, hanya mempengaruhi cara model itu memikirkan masalah pada masa ini dengan membimbing tingkah lakunya dengan arahan yang lebih baik.
Adakah gesaan rantaian pemikiran sentiasa meningkatkan ketepatan?
Bukan selalu. Ia berfungsi paling baik pada tugas yang memerlukan penaakulan, tetapi ia sebenarnya boleh merumitkan perkara untuk soalan mudah dan membawa kepada langkah yang tidak perlu atau bahkan kesilapan.
.png)
