En Azdan En Çoğa İstem (Least-to-Most Prompting)

En Azdan En Çoğa İstem nedir?

En azdan en çoğa istem (least-to-most prompting), karmaşık bir problemi çözmek için modelden önce problemi daha basit alt problemlere ayırmasını, sonra bu alt problemleri en kolaydan en zora doğru sırayla çözmesini isteyen bir prompt engineering tekniğidir. Her alt problemin cevabı, bir sonraki alt problemin çözümünde kullanılır.

Teknik, 2022'de yayımlanan bir akademik çalışmayla tanıtıldı. Chain-of-thought prompting'in, eğitim örneklerinden daha zor problemlerde zorlandığı gözlemlendi. En azdan en çoğa yaklaşımı, problemi parçalayarak bu genelleme sorununu hafifletmeyi hedefledi.

Nasıl çalışır?

Teknik iki aşamadan oluşur:

• Ayrıştırma aşaması: Modelden, verilen problemi çözmek için önce hangi daha basit soruların cevaplanması gerektiğini listelemesi istenir. Bu aşamada genellikle birkaç örnek (few-shot) gösterilir.
• Sıralı çözüm aşaması: Alt problemler sırayla modele verilir. Her adımda, daha önce çözülmüş alt problemler ve cevapları da prompt'a eklenir. Böylece model her yeni adımda önceki çözümlerin üzerine inşa eder.

Basit bir örnek: "Ayşe'nin 5 elması var. Ali'nin Ayşe'den 3 fazla elması var. İkisinin toplam kaç elması var?" Bu problem önce "Ali'nin kaç elması var?" alt sorusuna ayrılır. Cevap (8) bulunduktan sonra, bu bilgiyle "İkisinin toplam kaç elması var?" sorusu çözülür (13).

Chain-of-thought'tan farkı şudur: Chain-of-thought'ta model tek bir akışta adım adım düşünür. En azdan en çoğa yaklaşımda ise problem önce açıkça parçalara ayrılır ve her parça ayrı bir adımda, önceki cevaplar bağlam olarak verilerek çözülür.

Neden önemli?

Bu teknik, özellikle eğitim örneklerinde görülenden daha uzun veya daha karmaşık problemlere genelleme yapmada etkili olduğu için dikkat çekti. Sembolik manipülasyon, çok adımlı matematik problemleri ve bileşimsel talimatlar gibi görevlerde belirgin iyileşmeler raporlandı.

Günümüzde akıl yürütme için özel olarak eğitilmiş modeller bu tür ayrıştırmayı büyük ölçüde kendi içlerinde yapıyor. Ama teknik hâlâ değerli: Daha küçük modellerle çalışırken, her adımı kontrol etmek istediğinde ya da ajan iş akışlarında görev planlaması yaparken aynı mantık kullanılıyor.

Kullanım alanları

• Matematik problemleri: Çok adımlı sözel problemleri ara hesaplamalara bölmek.
• Kod üretimi: Büyük bir fonksiyonu yardımcı fonksiyonlara ayırıp sırayla yazdırmak.
• Eğitim içerikleri: Karmaşık bir konuyu temel kavramlardan başlayarak adım adım açıklatmak.
• Ajan planlaması: Bir görevi bağımlılık sırasına göre alt görevlere ayırmak.
• Küçük modellerle çalışma: Sınırlı kapasiteli modellerden daha güvenilir sonuç almak.