المنهج الدراسي الدرس 129 من 250 · هندسة الأوامر لمهندسي الذكاء الاصطناعي
هندسة الأوامر لمهندسي الذكاء الاصطناعي

الاتساق الذاتي: أخذ عينة، تحليل، تصويت

يمكن أن تكون عينة

One نموذج واحدة خاطئة بالصدفة. تأخذ Self-consistency عينات متعددة لنفس السؤال، وتستخرج إجابة من كل منها، وتجعلها vote. الإجابة بالأغلبية عادة ما تكون أكثر موثوقية من أي تشغيل واحد. أخذ العينات هو وظيفة النموذج؛ أما التحليل والتصويت فهو دورك، وهو حتمي تماما.

قم ببناء دالتين:

    تعيد
  • extract_answer(text) آخر عدد صحيح مذكور في النص (العدد النهائي للنموذج بعد التفكير)، أو None إذا لم يوجد عدد صحيح. ابحث عن الأعداد الصحيحة باستخدام regex فوق السلسلة النصية.
  • تأخذ
  • self_consistency(samples) قائمة من النصوص العينة، وتستخرج إجابة من كل منها، وتحذف تلك التي تم تحليلها إلى None، وتعيد القيمة الأكثر شيوعا عبر Counter. في حال التعادل، يتم اختيار القيمة smallest لضمان نتيجة محددة.

على سبيل المثال، عند إعطاء عينات يتم تحليلها إلى [4, 4, 5]، تعيد vote القيمة 4. عند إعطاء [3, 5] (تعادل 1-1)، فإنها تعيد 3، القيمة الأصغر. العينات غير القابلة للتحليل يتم تجاهلها ببساطة:

self_consistency(["... so 4", "answer 4", "I think 5"])  # 4
self_consistency(["hmm no number", "= 9", "= 9", "= 2"])     # 9

تعد عملية كسر التعادل الحتمية مهمة: إن دالة eval التي تعيد فائزا مختلفا في كل مرة يتم فيها تشغيلها عند تساوي الأصوات غير قابلة للاختبار وغير قابلة للنشر. اضغط على Run للتصحيح.

دورك

اكتب extract_answer(text) الذي يعيد آخر عدد صحيح في النص (مع معالجة إشارة السالب في البداية)، أو None إذا لم يوجد أي عدد. اكتب self_consistency(samples) الذي يستخرج إجابة من كل عينة، ويحذف نتائج None، ويعيد القيمة الأكثر تكرارا مع Counter، مع كسر التعادل نحو القيمة الأصغر. في حال عدم وجود إجابات قابلة للتحليل، أعد None.

هل لاحظت مشكلة في هذا الدرس؟ أبلغ عنها · اسأل عن هذا الدرس

سيفتح هذا التمرين قريبا

أنهِ الدرس السابق ليفتح هذا الدرس. الدورة كاملة مجانية، ولا تحتاج إلى حساب، ويمكنك قراءة هذا الدرس الآن.