DifficileChoix unique

Question d'entraînement AI-900

Qu'est-ce que le 'chain-of-thought prompting' et quand est-il le plus efficace ?

Choisissez la meilleure réponse.

Bonne réponse

  • BDemander au modèle de montrer des étapes de raisonnement explicites avant de donner une réponse finale

Explication

Le chain-of-thought prompting demande au modèle de décomposer un problème complexe en étapes de raisonnement intermédiaires avant de produire la réponse finale. Cette technique améliore la précision sur les tâches nécessitant une logique en plusieurs étapes, comme l'arithmétique, le raisonnement de bon sens ou la manipulation symbolique, en rendant explicite le raisonnement interne du modèle et en réduisant les erreurs dues aux réponses simplistes.

Pourquoi chaque option est juste ou fausse

A

Fausse

Lier plusieurs modèles d'IA dans un pipeline où la sortie de chaque modèle alimente le suivant

Le chain-of-thought prompting est une technique de raisonnement à modèle unique qui suscite des étapes intermédiaires au sein d'un seul prompt ; il n'orchestre pas des modèles séparés. Le chaînage de modèles en séquence décrit un pipeline d'IA ou un flux de travail d'agent, ce qui est la conception appropriée lorsque des capacités ou des outils distincts doivent être composés à travers différentes étapes.

B

Juste

Demander au modèle de montrer des étapes de raisonnement explicites avant de donner une réponse finale

Le chain-of-thought prompting demande au modèle de générer des étapes de raisonnement intermédiaires avant sa réponse finale, améliorant la précision sur les tâches arithmétiques, logiques et de bon sens en plusieurs étapes. Cela satisfait le critère d'efficacité de l'énoncé : les gains apparaissent lorsque les problèmes nécessitent une déduction séquentielle, et non pour la simple mémorisation de faits où le raisonnement supplémentaire ajoute des coûts sans bénéfice.

C

Fausse

Entraîner un modèle sur une séquence de documents connexes pour construire des connaissances contextuelles

Le chain-of-thought prompting façonne la manière dont un modèle raisonne pendant l'inférence ; ce n'est pas une procédure d'entraînement sur des séquences de documents. C'est tentant car l'entraînement séquentiel sur documents décrit la génération augmentée par récupération ou le fine-tuning, qui construisent des connaissances contextuelles mais ne sont pas liés à la technique de prompting.

D

Fausse

Une méthode pour connecter les tours de conversation d'un chatbot afin de maintenir une mémoire à long terme

Le chain-of-thought prompting suscite des étapes de raisonnement intermédiaires au sein d'un seul prompt pour améliorer la précision sur les tâches en plusieurs étapes ; il ne persiste pas l'état à travers les tours. C'est tentant car la mémoire de conversation est une préoccupation réelle, traitée plutôt en passant les tours précédents dans le contexte.

Pour aller plus loin

Le chain-of-thought prompting demande à un modèle d'extérioriser les étapes de raisonnement intermédiaires avant de produire une réponse finale, ce qui améliore la précision sur les tâches nécessitant de l'arithmétique, une logique en plusieurs étapes ou un raisonnement compositionnel. Sous le capot, les modèles transformer génèrent des jetons de manière autorégressive, de sorte que chaque jeton de raisonnement devient un contexte qui conditionne les jetons suivants, donnant effectivement au modèle plus de puissance de calcul et de mémoire de travail par problème. Une subtilité : le chain-of-thought peut nuire aux performances sur la simple mémorisation de faits et augmente le coût en jetons ainsi que la latence, et certains modèles récents optimisés pour le raisonnement effectuent cela en interne sans prompting explicite. Cela est important en pratique lors de la création d'assistants IA pour des tâches telles que le diagnostic d'une panne à partir de symptômes ou la résolution de problèmes, où demander un raisonnement étape par étape augmente mesurablement la justesse par rapport à l'exigence d'une réponse immédiate.

À propos de ces questions d'entraînement

Cette question fait partie des questions d'entraînement AI-900 originales de Courseiva, rédigées pour apprendre et jamais copiées d'examens réels ou de dumps.

Traduite de l'original anglais avec l'IA et vérifiée pour le sens. Les codes d'examen, les commandes et les noms de produits sont conservés tels qu'ils apparaissent à l'examen.