分かりやすくプロンプトテクニックを紐解く試み【Least to Most Prompting】
本日もプロンプトテクニックを学んでいきます。
例によって参考にさせていただいたサイトをご紹介。
いつも通り定義から確認していきます。
「Least to Most prompting」とは、
「1つの問題をAI自身にいくつかの小問題として分割させ、それらに回答させることで精度を向上させる」技術です。
現実世界の子どもの教育方針からインスピレーションを受けたそうなんですが、いまいちピンとこないですね…。
さっそく例を見ていきましょう。
上記は3人でじゃんけんをして、1人が勝つ確率を出してもらうプロンプトです。AI自身に問題を分割して考えさせ、同じルートをもう一度辿らせます。
段階的に考えて回答させるという点では、「Chain of Thought」と似ています。実際、類似していることは原著でも指摘されています。
しかしながら、以下のように記述されております。
特に見ていただきたいのは、最後の一文。
要は「大きな問題には対処できない」ということです。
例えば、以下のプロンプトを見てください。
4人でじゃんけんした場合にあいこになる確率を求める場合です。
簡易的にCoTさせることができる例の一文を加えて回答させてみます。
(回答が長いので最後だけ出力させます。)
実際の回答は13/27ですが、間違えてしまっています。
では、今回の「Least to Most」でやってみましょう。
こちらも長いので結果だけ貼ります。
見事正解です。回答の道筋も参考書の回答例のごとく完璧でした。
これは「Let's think step by step」よりも使えるのでは…?
1つ弱点を挙げるとすれば、出力文が長いのでトークン泥棒になっちゃうくらいですね。
この記事が気に入ったらサポートをしてみませんか?