Meta-CoT
これ何?
入力される質問のタイプが不明な混合タスクシナリオにおける、一般化可能なCoT (Chain-of-Thought)プロンプト方法。
背景
CoT (Chain-of-Thought)は、中間的な推論を明示的にすると、論理的思考力が強化される。
しかし,これは算術とか常識推論、記号推論など、特定の領域に特化している。
Chain of Thought (CoT)論文、 メタ認知プロンプト論文
そのため、タスクに応じてパフォーマンスがばらついてしまう。
そこで研究者らは、多様なタスク(質問)に汎用性を持つフレームワークを作成したものが、こちら。
Meta-CoT論文
フレームワークの詳細
https://scrapbox.io/files/6588dc24ead79b0024cdeed9.png
3つのフェーズがある
①シナリオの特定
入力された質問のシナリオを分類する
② 実演選択
分類されたシナリオに対するICL(コンテキスト内学習: In Context Learning)デモを取得する
③答えの導出
取得したICL(コンテキスト内学習: In Context Learning)デモと入力された質問を含むプロンプトでLLMに指示を出し、回答を導き出す
具体的なプロンプト
この質問は何のシナリオに該当しますか?
このシナリオに最適なデモンストレーションは何ですか?
デモンストレーションに基づいて、最終的な答えを導き出してください。