Co je skeleton-of-thought prompting?

Skeleton-of-thought prompting je technika používaná při práci s velkými jazykovými modely (LLM), při níž je dotaz (prompt) strukturován jako "kostra" uvažování, která modelu pomáhá krok za krokem logicky uvažovat.

Namísto jednoduché otázky obsahuje prompt klíčové kroky nebo nápovědy, které modelu pomáhají analyzovat informace sekvenčně a formulovat odpověď. To zlepšuje kvalitu a přesnost výstupu, zejména u složitých úkolů.

Příklad skeleton-of-thought prompting:

Otázka: Jak vyřešit rovnici 2x + 3 = 7?
Krok 1: Odečtěte 3 od obou stran rovnice.
Krok 2: Obě strany rovnice vydělte 2.
Odpověď:

Model, který následuje tuto strukturu, generuje strukturovanější a odůvodněnější odpověď.

Tímto způsobem skeleton-of-thought prompting pomáhá vést LLM k hlubšímu a logičtějšímu myšlení při generování odpovědí.