Hvad betyder Least-to-most prompting?
Least-to-most prompting er en metode, der organiserer en kompleks opgave gennem lettere delproblemer. Først identificeres den nødvendige opdeling. Derefter løses delene i en rækkefølge, hvor resultaterne fra tidligere trin giver grundlag for de næste.
Den oprindelige forskning undersøger, hvordan sprogmodeller kan håndtere opgaver, der er sværere end de eksempler, de får vist. I en virksomhed kan princippet inspirere en mere gennemskuelig arbejdsgang, men forskningsresultaterne må ikke uden videre overføres til jeres dokumenter eller processer.
Metoden er særlig relevant, når en senere vurdering afhænger af tidligere afklaringer. Hvis delopgaverne derimod er uafhængige, kan det være unødvendigt at løse dem i en lang kæde. Det er afhængighederne, der bør bestemme rækkefølgen.
Find det, der skal være kendt først
En god opdeling er mere end en liste over overskrifter. Den viser, hvilke oplysninger der skal findes, før et bestemt spørgsmål kan besvares. Ved sammenligning af tilbud kan valuta, omfang og periode skulle afklares, før priser giver mening at stille ved siden af hinanden.
Delresultater bør markeres som kendte, usikre eller manglende. Et usikkert tidligt svar må ikke blive en skjult forudsætning, som resten af opgaven behandler som dokumenteret.
Kontrollér det trin, som resten bygger på
Det mest værdifulde kontrolpunkt kan ligge tidligt. Hvis den første udtrækning vælger den forkerte periode, bliver senere beregninger misvisende, selv om de er matematisk korrekte. Bevar derfor kildegrundlaget for vigtige mellemresultater.
En praktisk løsning kan kombinere modelkald med almindelige regler og beregninger. Modellen behøver ikke udføre alle trin. Når en delopgave har en præcis algoritme, kan den være lettere at kontrollere gennem kode end gennem en ny sproglig forklaring.
Et eksempel fra praksis
En virksomhed sammenligner tre tilbud på vedligeholdelse. Først udtrækkes dækkede lokationer og perioden for hvert tilbud. Derefter identificeres inkluderede besøg og undtagelser. Først når disse forhold er afklaret, udarbejdes en sammenligning af pris og dækning.
Et tilbud angiver kvartalsvise besøg, mens et andet kun angiver et samlet antal. Arbejdsgangen markerer forskellen og beder om afklaring, hvis perioderne ikke kan sammenlignes. Den springer dermed ikke direkte fra tre tal til en anbefaling om den billigste leverandør.
Typiske faldgruber
- Opdelingen består af overskrifter uden tydelige afhængigheder.
- En fejl i et tidligt delresultat videreføres som sikker viden.
- Modellen bruges til præcise beregninger, som kode kunne kontrollere enklere.
Det skal I afklare
- Beskriv hvilke delresultater senere trin afhænger af.
- Kontrollér kritiske mellemresultater mod deres kilder.
- Lad uafklarede forudsætninger stoppe en for tidlig konklusion.
Spørgsmål og svar
Er det det samme som prompt chaining?
Begreberne overlapper. Least-to-most beskriver en bestemt idé om først at opdele og derefter løse afhængige delproblemer. Prompt chaining er en bredere struktur med flere modelkald.
Skal opdelingen altid laves af modellen?
Nej. I en kendt virksomhedsproces kan teamet fastlægge delopgaverne på forhånd. Modellens forslag til opdeling bør under alle omstændigheder kontrolleres mod opgavens krav.
Kilder og videre læsning
De tekniske begreber bygger på nedenstående kilder. Eksemplerne er illustrative og viser, hvordan I kan arbejde med emnet.
- Zhou m.fl.: Least-to-Most Prompting ↗Opdeling i enklere delproblemer, som løses sekventielt.
- Anthropic: Building effective agents ↗Praktisk perspektiv på faste delopgaver og kontrol mellem modelkald.