Active-Prompt
[Chain-of-thought (CoT)](Chain-of-thought (CoT) opierają się na stałym zestawie przykładów z adnotacjami człowieka. Problem polega na tym, że przykłady mogą nie być najbardziej efektywnymi przykładami dla różnych zadań. Aby temu zaradzić, Diao zaproponowal niedawno nowe podejście do podpowiadania o nazwie Active-Prompt, aby dostosować LLM do różnych przykładowych promptów specyficznych dla zadania (z adnotacjami dotyczącymi rozumowania CoT zaprojektowanego przez człowieka).
Poniżej znajduje się ilustracja tego podejścia. Pierwszym krokiem jest zapytanie LLM z lub bez kilku przykładów CoT. k możliwych odpowiedzi jest generowanych dla zestawu pytań szkoleniowych. Metryka niepewności jest obliczana na podstawie k odpowiedzi (wykorzystywana jest różnica zdań). Najbardziej niepewne pytania są wybierane do adnotacji przez ludzi. Nowe przykłady z adnotacjami są następnie wykorzystywane do wnioskowania o każdym pytaniu.
