सक्रिय प्रॉम्प्ट: विविध उदाहरणों के साथ प्रदर्शन बढ़ाएँ
पारंपरिक CoT विधि की तुलना में Active-Prompt में कई महत्वपूर्ण अंतर हैं। पारंपरिक CoT पद्धति निश्चित मानव-अनोटेटेड उदाहरणों पर निर्भर करती है, जबकि Active-Prompt विभिन्न कार्यों के लिए विशिष्ट उदाहरण प्रॉम्प्ट्स को डायनामिक रूप से लागू करता है। Active-Prompt विधि निम्नलिखित प्रक्रिया का अनुसरण करती है:
1.
अनिश्चितता मूल्यांकन: बड़े पैमाने के भाषा मॉडल (LLM) का उपयोग करते हुए, किसी विशिष्ट कार्य के प्रश्न को कई बार दोहराकर कई संभावित उत्तर उत्पन्न किए जाते हैं, इसके बाद प्रत्येक प्रश्न की अनिश्चितता को मापने के लिए अनिश्चितता मीट्रिक का उपयोग किया जाता है। प्रयुक्त अनिश्चितता मीट्रिक्स में अलग-अलग उत्तरों की संख्या, एंट्रॉपी, और वैरिएंस शामिल हैं।
2.
चयन: गणना की गई अनिश्चितता के आधार पर, एनोटेशन के लिए सबसे अधिक अनिश्चित प्रश्नों का चयन किया जाता है।
3.
एनोटेशन: चयनित प्रश्नों के लिए, मानव अनोटेटर अनुमान प्रक्रिया और उत्तर प्रदान करते हैं ताकि नए उदाहरण बनाए जा सकें।
4.
अनुमान: नए अनोटेटेड उदाहरणों का उपयोग करते हुए, प्रत्येक प्रश्न के लिए अनुमान लगाया जाता है और सबसे अधिक सुसंगत उत्तर को चुना जाता है।
Active Prompting with Chain-of-Thought for Large Language Models.pdf914.57KB
यह प्रक्रिया, जो कि पारंपरिक CoT विधि के विपरीत है, जिसमें निश्चित मानव-अनोटेटेड उदाहरण मददगार होते हैं, Active-Prompt अनिश्चितता को मापकर और सबसे उपयोगी प्रश्नों का डायनामिक रूप से चयन व एनोटेशन कर LLM के प्रदर्शन को अधिकतम करता है। यह तरीका खासतौर से जटिल अनुमान कार्यों के लिए उपयुक्त पाया गया है और यह अलग-अलग कार्यों में मॉडल की अनुकूलन क्षमता एवं सटीकता को बढ़ाता है।
"영희가 장거리 하이킹을 위해 백팩을 싸고 있는데, 그녀는 무엇을 가져가야 할까요?"भाषा मॉडल इस प्रश्न के लिए कई अनुमान रास्ते और उत्तर जनरेट करता है। उदाहरण के लिए, हाइकिंग के लिए आवश्यक वस्तुओं की सूची बना सकता है या किसी विशेष स्थिति के लिए उपकरण की सिफारिश कर सकता है। इनमें से सबसे अधिक अनिश्चितता वाले उत्तर का चयन किया जाता है, और मानव तार्किक प्रक्रिया द्वारा उसे एनोटेट करके और परिष्कृत किया जाता है।
"철수가 10층짜리 호텔에서 방을 예약했습니다. 각 층에는 동일한 방이 10개씩 있는데, 모든 방을 사용할 수 있을까요?"भाषा मॉडल इस प्रश्न के लिए कई उत्तर उत्पन्न करता है, और इनमें सबसे अधिक अनिश्चितता वाले उत्तर को चुनता है। उदाहरण के लिए, मॉडल जवाब दे सकता है, "अंतिम मंजिल का उपयोग नहीं किया जा सकता, इसलिए कुल 90 कमरे उपलब्ध हैं।"
Active-Prompt विधि का मुख्य बिंदुभाषा मॉडल द्वारा बनाए गए कई उत्तरों में सबसे अनिश्चित उत्तर की पहचान करना और उसे मानव एनोटेशन से मजबूत कर अधिक सटीक और भरोसेमंद नतीजा प्राप्त करने की विधिहै।
ⓒ 2023. हैबोम, सर्वाधिकार सुरक्षित।
कॉपीराइट धारक की अनुमति से इसका उपयोग वाणिज्यिक प्रयोजनों के लिए किया जा सकता है, बशर्ते स्रोत का उल्लेख किया जाए।
