From 8dad03b11624d688d94f01406e93b91a8e2b72f1 Mon Sep 17 00:00:00 2001 From: Ilya Gusev Date: Sun, 4 Jun 2023 23:50:26 +0300 Subject: [PATCH] added activeprompt.ru.mdx --- pages/techniques/activeprompt.ru.mdx | 12 ++++++++++++ 1 file changed, 12 insertions(+) create mode 100644 pages/techniques/activeprompt.ru.mdx diff --git a/pages/techniques/activeprompt.ru.mdx b/pages/techniques/activeprompt.ru.mdx new file mode 100644 index 0000000..0966190 --- /dev/null +++ b/pages/techniques/activeprompt.ru.mdx @@ -0,0 +1,12 @@ +# Active-Prompt + +import { Callout, FileTree } from 'nextra-theme-docs' +import {Screenshot} from 'components/screenshot' +import ACTIVE from '../../img/active-prompt.png' + +Методы цепочки мыслей (CoT) полагаются на фиксированный набор аннотированных человеком образцов. Проблема заключается в том, что эти образцы могут оказаться не наиболее эффективными примерами для различных задач. Чтобы решить эту проблему, [Diao и др., (2023)](https://arxiv.org/pdf/2302.12246.pdf) недавно предложили новый подход к формулировке запросов, называемый Active-Prompt, который позволяет адаптировать LLM к различным задачам с использованием специфичных примеров (аннотированных с использованием человеком разработанной цепочки мыслей). + +Ниже приведена иллюстрация данного подхода. Первый шаг заключается в запросе LLM с несколькими примерами CoT или без них. Для набора обучающих вопросов генерируется *k* возможных ответов. Вычисляется метрика неопределенности на основе этих *k* ответов (используется показатель расхождения). Наиболее неопределенные вопросы выбираются для аннотации людьми. Затем новые аннотированные образцы используются для вывода каждого вопроса. + + +Источник изображения: [Diao и др., (2023)](https://arxiv.org/pdf/2302.12246.pdf) \ No newline at end of file