روش های متقدم درخواست
مایکروسافت یک مطالعه تحقیقاتی منتشر کرد که نشان می دهد چگونه روش های متقدم درخواست می تواند باعث شده است که یک هوش مصنوعی ژنرالیست مانند GPT-4 عملکرد بهتری نسبت به یک هوش مصنوعی تخصصی که برای یک موضوع خاص آموزش دیده شده است، داشته باشد. سرانجام پژوهشگران به این نتیجه رسیدند که می توانند با استفاده از رویکردهای متقدم درخواست، مدل GPT-4 را به چیزی برتر از مدل Med-PaLM 2 ویژه Google’s در موضوع خاص عملکرد پرقدرت کنند.
روش های متقدم درخواست
نتایج این تحقیق نشان می دهد که رویکردهای متقدم به نام مهندسی درخواست، توسط کاربران پیشرفته هوش مصنوعی مولد کشف شده است و از آن برای تولید تصاویر یا متن های شگفت انگیز استفاده می شود. این تحقیقات تایید می کند که روش های متقدم یک پیشرفت قابل توجهی را به وجود می آورند که بر خوبی اصول مبتنی می کنند. به عنوان مثال، یکی از تکنیک های استفاده شده توسط پژوهشگران، استدلال زنجیره ای (CoT) است، که بسیاری از کاربران پیشرفته هوش مصنوعی تولید می کنند و بهره گیری موثر از آن را آموخته اند.
مقدمه به Medprompt
پژوهشگران در تکنیک های قابلیت اعتماد دارای سه مدل زیر برای ادامه مطالعات استفاده می کردند:
–Flan-PaLM 540B
–Med-PaLM 2
–GPT-4
–GPT-4 MedPrompt
اهمیت Medprompt
نتایج تحقیق نشان می دهد که استفاده از استدلال CoT با رویکردهای دیگر می تواند باعث کارایی بهتر یک مدل بنیادی مانند GPT-4 در مقابل مدل های تخصصی شود. این تکنیک مهم‌ترین روش است که تا به حال به کار رفته است.
سه استراتژی درخواست
پژوهشگران سه استراتژی درخواست را شرح دادند:
- انتخاب دینامیک چند شات
- زنجیره فکری تولیدی خود
- آرایه گزینه های شفت
