Wat is skeleton-of-thought prompting?

Skeleton-of-thought prompting is een techniek die wordt gebruikt bij het werken met grote taalmodellen (LLM), waarbij de prompt wordt gestructureerd als een "skelet" van redenering, dat het model begeleidt naar stapsgewijze logische reflectie.

In plaats van een eenvoudige vraag, bevat de prompt belangrijke stappen of aanwijzingen die het model helpen om informatie sequentieel te analyseren en een antwoord te formuleren. Dit verbetert de kwaliteit en nauwkeurigheid van de output, vooral bij complexe taken.

Voorbeeld van skeleton-of-thought prompting:

Vraag: Hoe los je de vergelijking 2x + 3 = 7 op?
Stap 1: Trek 3 af van beide zijden van de vergelijking.
Stap 2: Deel beide zijden van de vergelijking door 2.
Antwoord:

Het model, dat deze structuur volgt, genereert een meer gestructureerd en onderbouwd antwoord.

Op deze manier helpt skeleton-of-thought prompting om LLMs te begeleiden naar dieper en logischer denken bij het genereren van antwoorden.