AIパーソナル・ラーニング
と実践的なガイダンス

プロンプティングの新しいアプローチ - アナロジカル・プロンプティング

という興味深い論文を読んだ。類推モデルとしての大規模言語モデル アナロジカル・プロンプト(類推的プロンプト)」というプロンプトへの新しいアプローチがある。

 


LLMの推論能力を大幅に向上させるCoT(Chain of Thought)は、キューエンジニアリングに詳しい方なら一度は耳にしたことがあるはずだ。しかし、CoTを使用する場合、モデルを導くための適切なガイダンスや推論例を提供する必要があります。

 

0ショットCoTとは、プロンプトの中で推論のステップを明示的に与え、LLMに推論を完了するためのステップを参照させることである。0ショットCoTはプロンプトの中で推論のステップを明示的に与え、LLMにそのステップを参照させて推論を完了させる。

 

プロンプティングの新しいアプローチ - アナロジカル・プロンプティング - 1

3つのプロンプティング方法の比較

 

例えば、「4つの頂点が(-2、2)、(2、-2)、(-2、-6)、(-6、-2)である正方形がありますが、この正方形の面積はいくらですか?"

 

もしCoTを使わないのであれば、LLMに問題を投げかけて答えを出させることになる。この問題はGPT-4では解けるはずですが、GPT-3.5では間違っている可能性が高く、推論が弱い他のモデルではなおさらです。

 

もし0ショットCoTを使うのであれば、例えばプロンプトの中で推論ステップを明示的に与えればいい:

以下の手順で計算してください:
1, まず、隣接する2つの頂点間の距離を正方形の辺の長さとして計算する。
2、辺の長さの2乗を計算し、正方形の面積を求める。

これらのステップに従えば、GPTが3.5のLLMで正しい結果が得られるはずだ。

 

もし数発のCoTを使うのであれば、それは例えば少数の例を示していることになる:

Q: 4つの頂点が(0, 0)、(1, 1)、(0, 1)、(1, 0)の正方形がある。
A: 隣接する2つの頂点、例えば(0, 0)と(1, 1)を選び、それらの距離を計算して辺の長さを1にし、辺の長さの2乗を計算して面積を1にする。
Q: (-2, 2), (2, -2), (-2, -6), (-6, -2)を4頂点とする正方形がある。

GPT-3.5を搭載したLLMが正しい結果を得られるように、プロンプトで明示的に例を示し、LLMに例のステップに従うように指示します。

 

では、「類推的キューイング」とは何か?

 

学校で数学を習ったときのことを考えてみよう。このような数学の問題を解いたら、似たような問題をやったことがあるかどうかを考えるだろう。特に私のような小さな町の問題児にとっては、当時何枚のペーパーを解いたかわからない。だから、部屋の後ろで問題を見たときに、前に似たような問題をやったことがあることを思い出せば、すぐに答えを思いつくことができる。

 

LLMの知識の蓄えは人間のそれよりも強く、トレーニングの間にあらゆる知識や事例を蓄積している。

 

つまり、「類推ヒント法」とは、LLMにまず問題を解かせようと焦らせるのではなく、まず問題に関連する例をいくつも挙げさせ、それらの例を使って問題を解くための推論をさせることである。これは、LLMに数撃ちゃ当たるを書かせ、思考の連鎖を生み出す手助けをさせることに等しい。

 

数学の問題を手に入れたとき、まずその数学の問題をたどって似たような例題や参考解答を見つけ、その例題や参考解答をたどって元の問題を解くように求めるのと似ている。

 

プロンプトの構成は以下の通り:

最初の質問: 〚<元の質問
関連する問題:関連するユニークな問題を3つ思い浮かべ、それぞれの問題とその解決策を説明する。
最初の問題を解く:

 

LLMに、問題を受け取ったら、関連する3つのユニークな問題を想起させ、それぞれの問題と解決策(できればステップ付き)をリストアップさせ、必ず中間過程をプリントアウトさせる。LLMがこれらの関連する例を出力し終えたら、元の問題を(忘れないように)もう一度プリントアウトし、LLMがこれらの関連する例を使って元の問題を推論できるようにする。

アナログ・ヒンティングを使ったプロンプトの完全リファレンス:

あなたの課題は数学の問題を解くことです。数学の問題が提示されたら、例題として関連するトピックをいくつか思い出してください。そして、一番最初の問題に戻って解きましょう。

# 一番最初の質問:

ある航空会社では、機内でステーキか魚を選べるディナーを乗客全員に提供している。6人の乗務員のうち3人はステーキを、3人は魚を選ぶことができる。料理が無作為に割り振られる場合,パイロットが2人とも魚を選ぶ確率は何%か.

#操作ガイド:

答案には以下の点を含めること:

##関連問題:

例題として、一番最初の問題に関連する数学の問題を3つ考えてください。各問題は、最初の問題も含めて、他の問題とは異なっていなければならないことに注意すること(例えば、異なる数や名前を含む)。各問題は以下の形式に従ってください:

- "Q: "の後に問題の説明を続ける。

- "A: "の後に問題の解答を続け、最終的な答えを☑に書く。

##最初に問題を解決する:

次の数学の問題を解きましょう」と言ってください。 そして、次の形式で答えなさい:

Q:一番最初の質問をコピーしてここに貼り付けてください。

A:解答を説明し、最終的な答えを☑で書きなさい。

 

LLMは次のように出力する:

##関連問題:

### 質問1:

- Q:**あるパーティーで、全員がアップルパイかバニラアイスクリームのどちらかを選ぶ。人の女性がアップルパイを選び、5人の女性がバニラアイスを選ぶ。デザートがランダムに割り当てられた場合、女性2人がバニラアイスを食べる確率は何%か?

- この問題を解くには組合せ計算を使いなさい。アイスクリームを選ぶことができる5人の女性のうち2人を選ぶのは、 Ⓐ(Ⓐbinom{5}{2} = 10Ⓐ)通りである。そして、10人の女性の中から2人を選ぶという分布は合計で╱╱╱╱╱╱╱╱╱となります。ということは、この確率は、(¬frac{10}{45} = ¬frac{2}{9} ¬)となります。最終的な答えは Ⓐ です。

### 質問2:

- Q:**ディナーパーティーで、各人が赤か白のワインを選べる。赤ワインを選べる男性が4人、白ワインを選べる男性が4人いる。ワインがランダムに割り当てられた場合、3人全員が白ワインを手にする確率は何%か?

- A:**同様の方法で、白ワインを選べる4人の男性から3人を選ぶ。そして、8人の男性から3人、つまり、◎(◎binom{8}{3} = 56㌻)通りの男性を選ぶことで、合計の分布ができます。ということは、この確率は、(¬frac{4}{56} = ¬frac{1}{14} ¬)となります。最終的な答えは ⦅(⦅frac{1}{14}) ⦆ です。

### 質問3:

- Q:**カフェでは、一人一人がラテかカプチーノを選ぶことができる。人の客がラテを、3人の客がカプチーノを選ぶことができる。コーヒーがランダムに割り当てられた場合、客がカプチーノを飲む確率は何%か?

- A:**この場合、カプチーノを飲める客を1人選ぶ方法はⒶ(Ⓐbinom{3}{1} = 3Ⓐ)通りある。この場合、カプチーノを飲める客を1人選ぶには、6通りから1通りを選ぶことになります。ということは、確率は(¬frac{3}{6} = ¬frac{1}{2} ¬)となります。最終的な答えは Ⓐ です。

## 次の数学の問題を解いてみよう。

###問:ある航空会社が飛行機の乗客全員に夕食を提供している。6人の乗務員のうち3人はステーキを、3人は魚を選ぶことができる。料理がランダムに割り振られる場合、パイロットの2人が魚を選ぶ確率は?

### A: この問題にも同様の解法が使える。魚を選べるパイロットが3人いて、そのうちの2人を選びたい。これは、Ⓐの方法で行います。合計すると6人のパイロットから2人を選ぶことになり、その確率はⒶ(Ⓐbinom{6}{2} = 15Ⓐ)通りです。ということは、確率は(¬frac{3}{15} = ¬frac{1}{5} ¬)となります。最終的な答えは Ⓐ です。

AIイージー・ラーニング

AIを始めるための素人ガイド

AIツールの活用方法を、低コスト・ゼロベースから学ぶことができます。AIはオフィスソフトと同様、誰にとっても必須のスキルです。 AIをマスターすれば、就職活動で有利になり、今後の仕事や勉強の労力も半減します。

詳細を見る
無断転載を禁じます:チーフAIシェアリングサークル " プロンプティングの新しいアプローチ - アナロジカル・プロンプティング

チーフAIシェアリングサークル

チーフAIシェアリングサークルは、AI学習に焦点を当て、包括的なAI学習コンテンツ、AIツール、実践指導を提供しています。私たちの目標は、高品質のコンテンツと実践的な経験の共有を通じて、ユーザーがAI技術を習得し、AIの無限の可能性を一緒に探求することです。AI初心者でも上級者でも、知識を得てスキルを向上させ、イノベーションを実現するための理想的な場所です。

お問い合わせ
ja日本語