![見出し画像](https://assets.st-note.com/production/uploads/images/119832430/rectangle_large_type_2_8baa682c58655ffeda30ed0331f97f5b.jpeg?width=1200)
LangChain の Step-back Prompting を試す
「LangChain」の「Step-back Prompting」を試したので、まとめました。
1. Step-back Prompting
「Step-back Prompting」は、論文「Take a Step Back」で紹介されている、LLMの質問応答の性能を向上させる手法です。
アルゴリズムは次のとおりです。
(1) ユーザーの元の質問に基づいて、ステップバック質問を生成
(2) 元の質問とステップバック質問の両方を情報収集
(3) 取得した両方の情報に基づいて回答を生成
🏃Step-back prompting
— LangChain (@LangChainAI) October 23, 2023
A new prompting technique from Google Deepmind, can be used to improve RAG results
🦜🔗Now in LangChain!
💬"STEP-BACK PROMPTING is motivated by the observation that many tasks contain a lot of details, and are hard for LLMs to retrieve relevant facts to… pic.twitter.com/4cwW11V2M5
2. Colabでの実行
Colabでの実行手順は、次のとおりです。
(1) パッケージのインストール。
Web検索も行うので「duckduckgo-search」をインストールします。
# パッケージのインストール
!pip install langchain
!pip install openai
!pip install duckduckgo-search
!pip install langchainhub
(2) 環境変数の準備。
以下のコードの <OpenAI_APIのトークン> にはOpenAI APIのトークンを指定します。(有料)
# 環境変数の準備
import os
os.environ["OPENAI_API_KEY"] = "<OpenAI_APIのトークン>"
(3) ステップバック質問を生成するプロンプトテンプレートの準備。
日本語対応のため、Few-ShotのExampleを日本語にしています。
from langchain.prompts import ChatPromptTemplate, FewShotChatMessagePromptTemplate
# Few-ShotのExampleの準備
examples = [
{
"input": "警察のメンバーは合法的に逮捕できるでしょうか?",
"output": "警察のメンバーは何ができるでしょうか?"
},
{
"input": "ヤン・シンデルはどこの国で生まれましたか?",
"output": "ヤン・シンデルの経歴は何ですか?"
},
]
# ステップバック質問を生成するプロンプトテンプレートの準備
example_prompt = ChatPromptTemplate.from_messages(
[
("human", "{input}"),
("ai", "{output}"),
]
)
few_shot_prompt = FewShotChatMessagePromptTemplate(
example_prompt=example_prompt,
examples=examples,
)
prompt = ChatPromptTemplate.from_messages([
("system", """You are an expert at world knowledge. Your task is to step back and paraphrase a question to a more generic step-back question, which is easier to answer. Here are a few examples:"""),
few_shot_prompt,
("user", "{question}"),
])
(4) ステップバック質問を生成するチェーンの準備。
from langchain.chat_models import ChatOpenAI
from langchain.schema.output_parser import StrOutputParser
# ステップバック質問を生成するチェーンの準備
question_gen = prompt | ChatOpenAI(temperature=0) | StrOutputParser()
(5) ステップバック質問を生成。
# プロンプトの準備
question = "トランプが大統領だった時にChatGPTは存在していましたか?"
# ステップバック質問を生成
question_gen.invoke({"question": question})
ChatGPTはいつ開発されたのですか?
(6) Web検索から情報収集するRetrieverの準備。
from langchain.utilities import DuckDuckGoSearchAPIWrapper
# Web検索から情報収集するRetrieverの準備
search = DuckDuckGoSearchAPIWrapper(max_results=6)
def retriever(query):
return search.run(query)
(7) 元の質問を使って情報収集するRetrieverを実行。
ノーマルコンテキストが出力されます。
# 元の質問を使って情報収集するRetrieverを実行
retriever(question)
利用者が史上最速で1億人を突破した人工知能を使った自動応答ソフト「チャットGPT」を巡り、トランプ前大統領に関する回答を拒否したことで課題が指摘されています。 チャットGPTにトランプ前大統領を褒めたたえる詩を作ってくれと入力してみます。 出ましたね。 この政治的なコンテンツに応えることは適当ではありません、ということで要求は拒否されました。 この文章生成AIのチャットGPTは、一方でバイデン大統領やブッシュ元大統領など他の政治家について同様のリクエストをすると賞賛する詩を書きました。 一部のアメリカメディアは「政治的な好みがプログラミングされているのではないか」として政治的なバランスの問題点を指摘しています。 TOEIC900点以上の実力があったとしても、流暢性に関してはChatGPTにはかないません。 つまり私たちは、英語を流暢に使うために、AIを活用すべきなのです。逆に、ChatGPTが出力した英語の流暢性を修正しようとしても、私たちの英語力では及びません。 ...
(7) ステップバック質問を使って情報収集するRetrieverを実行。
ステップバックコンテキストが出力されます。
# ステップバック質問を使って情報収集するRetrieverを実行
retriever(question_gen.invoke({"question": question}))
ChatGPTは、アメリカのAI研究所であるオープンAIが開発した会話型 AIサービスです。. 使い方は非常に簡単で、ユーザーはChatGPTのサイトで質問したいことをテキストで入力すると、それに対しての回答を数秒程度で返してくれます。. さまざまな言語に対応して ... サンフランシスコに拠点を置くオープンAI(OpenAI)が12月に公開したチャットボット「チャットGPT(ChatGPT)」は、ほぼ一夜にして爆発的に話題を呼び主役となった。 チャットGPTは、サービス開始からわずか2カ月後の2023年1月に、ユーザー数が1億人に到達した。 史上最も急速に成長しているインターネット・サービス だという推定もある。...
(8) LangChain Hubから「stepback-answer」プロンプトテンプレートを取得。
from langchain import hub
response_prompt = hub.pull("langchain-ai/stepback-answer")
このプロンプトテンプレートの中身は、次のとおりです。
# response_prompt_template = """You are an expert of world knowledge. I am going to ask you a question. Your response should be comprehensive and not contradicted with the following context if they are relevant. Otherwise, ignore them if they are not relevant.
# {normal_context}
# {step_back_context}
# Original Question: {question}
# Answer:"""
# response_prompt = ChatPromptTemplate.from_template(response_prompt_template)
(9) 「stepback-answer」プロンプトテンプレートを使用するチェーンの準備。
パラメータとして、ノーマルコンテキスト、ステップバックコンテキスト、質問を渡します。
from langchain.schema.runnable import RunnableLambda
# 「stepback-answer」プロンプトテンプレートを使用するチェーンの準備
chain = {
# ノーマルコンテキスト
"normal_context": RunnableLambda(lambda x: x['question']) | retriever,
# ステップバックコンテキスト
"step_back_context": question_gen | retriever,
# 質問
"question": lambda x: x["question"]
} | response_prompt | ChatOpenAI(temperature=0) | StrOutputParser()
(10) 「stepback-answer」プロンプトテンプレートを使用するチェーンの準備。
# 「stepback-answer」プロンプトテンプレートを使用するチェーンの実行
chain.invoke({"question": question})
ChatGPTは、2022年11月にオープンAIによって公開されました。したがって、トランプが大統領だった時には、ChatGPTは存在していませんでした。
3. ステップバックしない場合
ステップバックしない場合の質問応答の結果を確認してみます。
(1) プロンプトテンプレートの準備。
# プロンプトテンプレートの準備
response_prompt_template = """You are an expert of world knowledge. I am going to ask you a question. Your response should be comprehensive and not contradicted with the following context if they are relevant. Otherwise, ignore them if they are not relevant.
{normal_context}
Original Question: {question}
Answer:"""
response_prompt = ChatPromptTemplate.from_template(response_prompt_template)
(2) チェーンの準備。
# チェーンの準備
chain = {
"normal_context": RunnableLambda(lambda x: x['question']) | retriever,
"question": lambda x: x["question"]
} | response_prompt | ChatOpenAI(temperature=0) | StrOutputParser()
(3) チェーンの実行。
# チェーンの実行
chain.invoke({"question": question})
はい、トランプが大統領だった時にはChatGPTは存在していました。ChatGPTは2023年4月10日に開発された人工知能の自動応答ソフトであり、その時点で利用者が史上最速で1億人を突破していました。したがって、トランプが大統領であった時期にもChatGPTは既に存在していたと言えます。ただし、具体的なトランプ前大統領に関する回答を拒否した事例があるかどうかは、与えられた文脈では明確には述べられていません。
関連
この記事が気に入ったらサポートをしてみませんか?