في السنوات الأخيرة، أحرزت نماذج اللغة الكبيرة نماذج اللغة الكبيرة (LLMs) تقدماً ملحوظاً في khảیاتها لفهم ونشر النصوص البشرية. وقد أظهرت هذه النماذج، مثل GPT من OpenAI وClaude من Anthropic، أداءً مثيراً للإعجاب في مجموعة واسعة من مهام معالجة اللغة الطبيعية. ومع ذلك، عندما يتعلق الأمر بمهام التفكير المعقدة التي تتطلب خطوات متعددة من التفكير المنطقي، غالباً ما تفشل طرق التوجيه التقليدية. यह هو المكان الذي يأتي فيه Chain-of-Thought (CoT) Prompting، وهو تقنية هندسة توجيه قوية لتحسين khảیات التفكير في نماذج اللغة الكبيرة.

النقاط الرئيسية

1. يحسن CoT Prompting khảیات التفكير من خلال توليد خطوات وسيطة.
2. ينقسم إلى مشاكل معقدة إلى مشاكل فرعية صغيرة وقابلة للإدارة.
3. تتضمن الفوائد أداءً محسناً و تفسيرية وعمومية.
4. يتم تطبيق CoT Prompting على التفكير الحسابي و العادي و الرمزي.
5. له القدرة على التأثير بشكل كبير على الذكاء الاصطناعي عبر مجالات متعددة.

ما هو Chain-of-Thought (CoT) Prompting؟

Chain-of-Thought Prompting هو تقنية تهدف إلى تحسين أداء نماذج اللغة الكبيرة على مهام التفكير المعقدة من خلال تشجيع النموذج على توليد خطوات تفكير وسيطة. على عكس طرق التوجيه التقليدية، التي توفر عادة توجيهاً واحدًا وتتوقع إجابة مباشرة، ينقسم CoT Prompting عملية التفكير إلى سلسلة من الخطوات الصغيرة المتصلة.
في جوهره، يتضمن CoT Prompting توجيه النموذج باللغة مع سؤال أو مشكلة ثم توجيهه لتوليد سلسلة من خطوات التفكير الوسيطة التي تؤدي إلى الإجابة النهائية. من خلال نمذجة عملية التفكير بشكل صريح، يسمح CoT Prompting للنموذج بالتعامل مع مهام التفكير المعقدة بشكل أكثر فعالية.
إحدى المزايا الرئيسية ل CoT Prompting هي أنها تسمح للنموذج بالتفكيك مشكلة معقدة إلى مشاكل فرعية أكثر إدارة. من خلال توليد خطوات التفكير الوسيطة، يمكن للنموذج كسر مهمة التفكير الكلية إلى خطوات صغيرة ومتركزة أكثر. هذا النهج يساعد النموذج على الحفاظ على الاتساق ويقلل من فرص فقدان مسار عملية التفكير.
أظهر CoT Prompting نتائج واعدة في تحسين أداء نماذج اللغة الكبيرة على مجموعة متنوعة من مهام التفكير المعقدة، بما في ذلك التفكير الحسابي و العادي و الرمزي. من خلال الاستفادة من قوة خطوات التفكير الوسيطة، يسمح CoT Prompting للنماذج بال语言 بالتعامل مع مشاكل أكثر تعقيداً و توليد استجابات أكثر دقة و اتساقاً.

Standard vs COT prompting (Wei et al., Google Research, Brain Team)

كيف يعمل Chain-of-Thought Prompting

يعمل CoT Prompting من خلال توليد سلسلة من خطوات التفكير الوسيطة التي توجيه النموذج خلال عملية التفكير. بدلاً من توفير توجيه بسيط وتوقع إجابة مباشرة، يشجع CoT Prompting النموذج على كسر المشكلة إلى خطوات صغيرة أكثر إدارة.
يتبدأ العملية bằng تقديم النموذج باللغة مع توجيه يحدد مهمة التفكير المعقدة. يمكن أن يكون هذا التوجيه على شكل سؤال أو بيان مشكلة أو سيناريو يتطلب التفكير المنطقي. بمجرد تقديم التوجيه، يولد النموذج سلسلة من خطوات التفكير الوسيطة التي تؤدي إلى الإجابة النهائية.
كل خطوة تفكير وسيطة في سلسلة الأفكار تمثل مشكلة فرعية صغيرة يجب على النموذج حلها. من خلال توليد هذه الخطوات، يمكن للنموذج التعامل مع مهمة التفكير الكلية بطريقة أكثر هيكلاً و منهجية. تسمح الخطوات الوسيطة للنموذج بالحفاظ على الاتساق و تقليل فرص فقدان التركيز أو توليد معلومات غير ذات صلة.
كما يتقدم النموذج خلال سلسلة الأفكار، يبني على الخطوات السابقة لوصول إلى الإجابة النهائية. كل خطوة في السلسلة متصلة بالخطوات السابقة و اللاحقة، مما يشكل تدفقاً منطقياً من التفكير. هذا النهج المتدرج يسمح للنموذج بالتعامل مع مهام التفكير المعقدة بشكل أكثر فعالية، حيث يمكنه التركيز على مشكلة فرعية واحدة في كل مرة مع الحفاظ على السياق الكلي.
تتم تحقيق توليد خطوات التفكير الوسيطة في CoT Prompting عادةً من خلال توجيهات و تقنيات تدريب مصممة بعناية. يمكن للباحثين و المتخصصين استخدام طرق مختلفة لتشجيع النموذج على توليد سلسلة من الأفكار، مثل تقديم أمثلة على التفكير المتدرج، أو استخدام رموز خاصة لتحديد بداية و نهاية كل خطوة تفكير، أو تعديل النموذج على مجموعات بيانات تظهر عملية التفكير المرغوبة.

5-Step COT prompting process