نشر الفكر: نهج قياسى للاستدلال المعقد باستخدام نماذج لغوية كبيرة – KDnuggets

الوجبات السريعة الرئيسية

• يعد نشر الفكر (TP) طريقة جديدة تعمل على تعزيز قدرات التفكير المعقدة لنماذج اللغة الكبيرة (LLMs).
• يستفيد TP من المشكلات المشابهة وحلولها لتحسين الاستدلال، بدلاً من جعل ماجستير إدارة الأعمال يفكر من الصفر.
• تظهر التجارب عبر مختلف المهام أن TP يتفوق بشكل كبير على الأساليب الأساسية، مع تحسينات تتراوح من 12% إلى 15%.

يطالب TP أولاً LLMs باقتراح وحل مجموعة من المشكلات المشابهة المرتبطة بالمدخل الأول. بعد ذلك، يعيد TP استخدام نتائج المشكلات المشابهة للحصول على حل جديد مباشرة أو استخلاص خطة كثيفة المعرفة للتنفيذ لتعديل الحل الأولي الذي تم الحصول عليه من الصفر.

لا يمكن إنكار تعدد الاستخدامات والقوة الحسابية لنماذج اللغات الكبيرة (LLMs)، ولكنها ليست بلا حدود. أحد التحديات الأكثر أهمية وثباتًا التي تواجه LLMs هو نهجهم العام في حل المشكلات، والذي يتكون من التفكير من المبادئ الأولى لكل مهمة جديدة تتم مواجهتها. وهذا أمر مثير للمشاكل، لأنه يسمح بدرجة عالية من القدرة على التكيف، ولكنه يزيد أيضًا من احتمالية حدوث الأخطاء، خاصة في المهام التي تتطلب تفكيرًا متعدد الخطوات.

ويتجلى التحدي المتمثل في "الاستدلال من الصفر" بشكل خاص في المهام المعقدة التي تتطلب خطوات متعددة من المنطق والاستدلال. على سبيل المثال، إذا طُلب من LLM العثور على أقصر مسار في شبكة من النقاط المترابطة، فلن يستفيد عادةً من المعرفة السابقة أو المشكلات المشابهة لإيجاد حل. وبدلاً من ذلك، ستحاول حل المشكلة بمعزل عن غيرها، مما قد يؤدي إلى نتائج دون المستوى الأمثل أو حتى أخطاء صريحة. يدخل نشر الفكر (TP)، وهي طريقة مصممة لزيادة قدرات التفكير لدى طلاب ماجستير إدارة الأعمال. يهدف TP إلى التغلب على القيود المتأصلة في LLMs من خلال السماح لهم بالاستفادة من مخزون من المشكلات المماثلة والحلول المقابلة لها. لا يعمل هذا النهج المبتكر على تحسين دقة الحلول التي تنشئها LLM فحسب، بل يعزز أيضًا بشكل كبير قدرتها على معالجة مهام التفكير المعقدة والمتعددة الخطوات. من خلال الاستفادة من قوة القياس، يوفر TP إطارًا يعمل على تضخيم قدرات التفكير الفطري لماجستير القانون، مما يقربنا خطوة واحدة من تحقيق أنظمة اصطناعية ذكية حقًا.

يتضمن نشر الفكر خطوتين رئيسيتين:

1. أولاً، يُطلب من LLM اقتراح وحل مجموعة من المشكلات المشابهة المتعلقة بمشكلة الإدخال
2. بعد ذلك، يتم استخدام حلول هذه المشكلات المشابهة إما للحصول على حل جديد مباشرة أو لتعديل الحل الأولي

تسمح عملية تحديد المشكلات المشابهة لـ LLM بإعادة استخدام استراتيجيات وحلول حل المشكلات، وبالتالي تحسين قدراتها المنطقية. يتوافق TP مع أساليب المطالبة الحالية، مما يوفر حلاً قابلاً للتعميم يمكن دمجه في مهام مختلفة دون الحاجة إلى هندسة مهمة محددة.

الشكل 1: عملية نشر الفكر (صورة من الورق)
 

علاوة على ذلك، لا ينبغي التقليل من قدرة TP على التكيف. إن توافقها مع أساليب المطالبة الحالية يجعلها أداة متعددة الاستخدامات للغاية. وهذا يعني أن TP لا يقتصر على أي نوع محدد من مجالات حل المشكلات. وهذا يفتح طرقًا مثيرة للضبط والتحسين الخاص بمهمة محددة، وبالتالي رفع فائدة وفعالية LLMs في مجموعة واسعة من التطبيقات.

يمكن دمج تنفيذ نشر الفكر في سير عمل LLMs الموجودة. على سبيل المثال، في مهمة الاستدلال بأقصر مسار، يمكن لـ TP أولاً حل مجموعة من المشكلات المماثلة والأبسط لفهم المسارات المحتملة المختلفة. ثم يستخدم هذه الأفكار لحل المشكلة المعقدة، وبالتالي زيادة احتمالية العثور على الحل الأمثل.

 
مثال 1

• مهمة:استدلال أقصر الطرق
• مشاكل مماثلة: أقصر مسار بين النقطتين A و B، أقصر مسار بين النقطتين B و C
• حل نهائي: المسار الأمثل من النقطة أ إلى ج مع مراعاة حلول المشكلات المشابهة

 
مثال 2

• مهمة: كتابة إبداعية
• مشاكل مماثلة: اكتب قصة قصيرة عن الصداقة، اكتب قصة قصيرة عن الثقة
• حل نهائي: اكتب قصة قصيرة معقدة تدمج موضوعات الصداقة والثقة

 
تتضمن العملية حل هذه المشكلات المماثلة أولاً، ثم استخدام الأفكار المكتسبة لمعالجة المهمة المعقدة المطروحة. وقد أثبتت هذه الطريقة فعاليتها عبر مهام متعددة، حيث عرضت تحسينات كبيرة في مقاييس الأداء.

إن آثار نشر الفكر تتجاوز مجرد تحسين المقاييس الحالية. تتمتع تقنية المطالبة هذه بالقدرة على تغيير كيفية فهمنا ونشر LLMs. تؤكد المنهجية على التحول من حل المشكلات الذرية المعزولة إلى نهج أكثر شمولية وترابطًا. إنه يدفعنا إلى التفكير في كيفية تعلم ماجستير إدارة الأعمال ليس فقط من البيانات، ولكن من عملية حل المشكلات نفسها. من خلال التحديث المستمر لفهمهم من خلال الحلول للمشكلات المماثلة، يكون حاملو LLM المجهزون بـ TP أكثر استعدادًا لمواجهة التحديات غير المتوقعة، مما يجعلها أكثر مرونة وقدرة على التكيف في البيئات سريعة التطور.

يعد نشر الفكر إضافة واعدة إلى مجموعة أدوات تحفيز الأساليب التي تهدف إلى تعزيز قدرات LLMs. من خلال السماح لـ LLMs بالاستفادة من المشكلات المشابهة وحلولها، يوفر TP طريقة تفكير أكثر دقة وفعالية. تؤكد التجارب فعاليتها، مما يجعلها استراتيجية مرشحة لتحسين أداء LLMs عبر مجموعة متنوعة من المهام. قد يمثل TP في النهاية خطوة مهمة إلى الأمام في البحث عن أنظمة ذكاء اصطناعي أكثر قدرة.
 
 

ماثيو مايو (@ mtmayo13) حاصل على درجة الماجستير في علوم الكمبيوتر ودبلوم الدراسات العليا في استخراج البيانات. بصفته رئيس تحرير KDnuggets، يهدف ماثيو إلى تسهيل الوصول إلى مفاهيم علم البيانات المعقدة. تشمل اهتماماته المهنية معالجة اللغات الطبيعية وخوارزميات التعلم الآلي واستكشاف الذكاء الاصطناعي الناشئ. إنه مدفوع بمهمة إضفاء الطابع الديمقراطي على المعرفة في مجتمع علوم البيانات. كان ماثيو يبرمج منذ أن كان عمره 6 سنوات.

• محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
• PlatoData.Network Vertical Generative Ai. تمكين نفسك. الوصول هنا.
• أفلاطونايستريم. ذكاء Web3. تضخيم المعرفة. الوصول هنا.
• أفلاطون كربون، كلينتك ، الطاقة، بيئة، شمسي، إدارة المخلفات. الوصول هنا.
• أفلاطون هيلث. التكنولوجيا الحيوية وذكاء التجارب السريرية. الوصول هنا.
• المصدر https://www.kdnuggets.com/thought-propagation-an-analogical-approach-to-complex-reasoning-with-large-language-models?utm_source=rss&utm_medium=rss&utm_campaign=thought-propagation-an-analogical-approach-to-complex-reasoning-with-large-language-models