import { Callout, FileTree } from 'nextra-theme-docs'
import {Screenshot} from 'components/screenshot'
import PAL from '../../img/pal.png'
[Gao et al., (2022)](https://arxiv.org/abs/2211.10435) apresenta um método que usa LLMs para ler problemas de linguagem natural e gerar programas como etapas intermediárias de raciocínio. Modelos de linguagem auxiliados por programa (PAL) cunhados, diferem da solicitação de cadeia de pensamento porque, em vez de usar texto de formato livre para obter a solução, transfere a etapa da solução para um tempo de execução programático, como um interpretador Python.
<Screenshot src={PAL} alt="PAL" />
Fonte da imagem: [Gao et al., (2022)](https://arxiv.org/abs/2211.10435)
Vejamos um exemplo usando LangChain e OpenAI GPT-3. Estamos interessados em desenvolver um aplicativo simples que seja capaz de interpretar a pergunta que está sendo feita e fornecer uma resposta aproveitando o interpretador Python.
Especificamente, estamos interessados em criar uma funcionalidade que permita o uso do LLM para responder a perguntas que exijam entendimento de data. Forneceremos ao LLM um prompt que inclui alguns exemplares que são adotados [aqui](https://github.com/reasoning-machines/pal/blob/main/pal/prompt/date_understanding_prompt.py).