زنجیرهٔ تفکر و تجزیهٔ پاسخ نهایی
برای هر کاری که نیاز به استدلال دارد (ریاضی، منطق چندمرحلهای، طبقهبندی دقیق)، درخواست از مدل برای تفکر مرحلهبهمرحله پیش از پاسخ دادن، دقت را بهطور قابلسنجی بهبود میبخشد. نکته اینجاست: حالا مدل دیواری از استدلال تولید میکند و شما همچنان به پاسخی تمیز و قابلخواندن توسط ماشین در انتها نیاز دارید.
ترفند استاندارد این است که مدل را وادار کنید در یک خط ثابت که بتوانید آن را تجزیه کنید پایان دهد، مانند Answer: 42. شما پرسشماندی را طوری میسازید که آن شکل را درخواست کند و پارسکنندهای مینویسید که آن را استخراج میکند. مدل استدلال را در میان این دو مرحله انجام میدهد (بدون درجهبندی)، اما قرارداد در هر دو انتها از آن شماست.
یک پاسخ زنجیره تفکر به این شکل است:
There are 3 boxes with 4 apples each.
3 times 4 is 12.
Answer: 12دو تابع بسازید:
cot_prompt(question)یک رشتهٔ پرسوجو را بازمیگرداند که شامل سؤال است، از مدل میخواهد گامبهگام استدلال کند و آن را هدایت میکند تا با یک خط در قالب دقیقAnswer: <value>.parse_final_answer(model_output)خروجی را اسکن میکند و مقدار پس از آخرینAnswer:خط (بدون حساسیت به حروف، بدون فاصله). اگر چنین خطی وجود نداشته باشد، بازگردانNone.
یادداشتی در سال ۲۰۲۶: دستور صریح «قدم به قدم فکر کن» برای مدلهای قدیمیتر و غیرفکرکننده طراحی شده بود. مدلهای تفکر/استدلال مدرن در حال حاضر این کار را به صورت داخلی انجام میدهند، بنابراین افزودن یک زنجیره تفکر دستساز میتواند تکراری باشد یا حتی به کیفیت آسیب برساند. از زنجیره تفکر صریح (CoT) عمدتاً برای مدلهای کوچکتر یا مدلهایی که تفکر نمیکنند، یا زمانی که به طور خاص به مراحل قابل مشاهده برای تجزیه و تحلیل یا حسابرسی نیاز دارید، استفاده کنید.
دو نکته اهمیت دارد. اصل برنده-آخرین-خط: یک مدل اغلب خود را اصلاح میکند («پاسخ: ۳ ... صبر کنید، پاسخ: ۵»)، و خط نهایی پاسخ واقعی است، بنابراین تا انتها اسکن کنید. در صورت عدم وجود: اگر مدل هرگز آن خط را تولید نکرد، به جای حدس زدن، صادقانه این موضوع را بیان کنید تا فراخواننده بتواند دوباره تلاش کند. دکمه Run را برای نمرهدهی فشار دهید.
نوشتن cot_prompt(question) بازگرداندن یک پیام که شامل سؤال و عبارت step by step، و یک Answer: دستور. بنویس parse_final_answer(model_output) که متن بدونفاصلهگذاریشده پس از آخرین خط مطابقتیافته را بازمیگرداند Answer: (بدون توجه به حروف بزرگ/کوچک)، یا None اگر چنین خطی وجود نداشته باشد.
مشکلی در این درس دیدید؟ گزارشش کنید · دربارهٔ این درس بپرسید
این تمرین بهزودی باز میشود
درس پیش از آن را تمام کنید تا این یکی باز شود. کل دوره رایگان است، حساب کاربری لازم نیست، و میتوانید همین الان این درس را بخوانید.
این مرورگر کوکیهای learn.floati.life را مسدود میکند، پس درسهایی که اینجا تمام کردید نمیتوانند به ترتیب باز شوند. کوکیها را برای این سایت مجاز کنید و صفحه را دوباره بارگذاری کنید.