利益:
- 段階的に考えることで複雑なタスクの精度が向上する理由を説明する
- モデル推論をガイドする式と構造を使用できる
- テクニックが適切な状況と不必要な状況を区別する
タスクによっては、一度に解決できないものもあります。いくつかの段階の思考が必要です。このようなタスクには、非常にシンプルですが驚くほど効果的なテクニックがあります。それは、モデルに段階的に考えるよう要求することです。英語では「chain of thought」と呼ばれるこの方法は、複雑なタスクの精度を大幅に向上させます。この単元では、このテクニックが機能する理由、適用方法、いつ使用するか、使用しないかを学びます。
なぜこのテクニックが機能するのでしょうか?
前の単元で見たように、モデルは単語ごとに処理を進めてテキストを生成します。それが生成する各単語は、次の単語の入力になります。モデルに結果を直接問い合わせると、モデルはその結果を 1 つのステップで「予測」しようとし、中間のステップで実行する必要がある推論をスキップします。これにより、特に複数ステップのジョブでエラーが発生します。
モデルに最初に考えてから答えるように依頼すると、モデルは中間の手順をテキストに記述します。これらの中間ステップは「中間入力」のように機能し、次のステップをより正確にします。言い換えれば、モデルが考えるためのスペースが開かれるということです。それは、人々が難しい問題を紙に書き出して、段階的に解決していくようなものです。作業を行うことで、正しい結果が得られる可能性が高まります。
段階的にトリガーするにはどうすればよいですか?
いくつかの簡単なステートメントが推論のパターンをガイドします。
- 「一歩ずつ考えてみましょう。」
- 「まず関連する情報を整理してから決定してください。」
- 「解決策に到達する前に、各ステップを明確に書き留めてください。」
- 「時間をかけて、各ステップを正当化してください。」
これらは魔法の言葉ではありません。これらは、モデルに「すぐに結果を与えず、中間ステップを生成する」ように指示する方法です。
どこが役に立ち、どこが不必要なのか？
ミッションタイプ
一歩ずつ考える
複数ステップの微積分/論理問題
とても役に立つ
決定を正当化する
役に立つ
長い文章から推測する
役に立つ
簡単な翻訳 / 一言で答える
不要な
短い挨拶/タイトル
不要な
スピードが重要でタスクが単純な場合
避ける
ルール: タスクを 1 回で安全に完了できる場合、段階的に考えても長さが増すだけです。ただし、タスクに複数の中間決定が含まれる場合は、判断を明らかにすることで精度が向上します。
結論と推論を分離する
ステップごとに考えることには実際上微妙な点があります。(検査のために) 中間ステップを確認したい場合もあれば、単にクリーンな結果が必要な場合もあります。次のように 2 つを管理できます。
- 監査の場合: 「最初に理由を書き留めてから、「結論:」で最終的な答えを入力します。」こうすることで、思考と結果の両方を別々に見ることができます。
- きれいな出力の場合: 「段階的に考えますが、最終結果のみを書きます。」モデル内から推論し、結果のみを提供します。 (後者の判断をコントロールすることはできません。重要な問題では、最初の道を選択してください。)
4 つのコピー可能なテンプレート
1) 決定の正当性:
タスク: [決定の質問]最初に、決定に影響を与える要因をリストします。各要素を簡単に評価し、「推奨事項:」という見出しの下に明確な推奨事項を 1 つ示します。
2) 多段階分析:
次の状況を段階的に分析します。1) 入手可能なデータを要約します。2) 考えられる原因をリストします。3) 証拠を使用して各原因を裏付けるか、除外します。4) 最も可能性の高い原因と次のステップを述べます。状況: [テキスト]
3) チェック/監査 (自分の答えをテスト):
この疑問を解決してください。次に、解決策を最初から見直します。各ステップでエラーがないか確認し、必要に応じて修正します。最後に「検証結果：」と書きます。質問: [質問]
4) 明確な結論 (推論を隠す):
この問題を段階的に考えて解決してください。ただし、最後の答えは 1 行だけ教えてください。問題: [問題]
弱いプロンプト / 強いプロンプト
弱い：
3 つのサプライヤーの見積もりのうちどれを選択すればよいですか?[見積もり]
強い：
3 つのサプライヤーの見積もりを評価します。ステップバイステップで進みます:1) 価格、納期、保証の観点から各見積もりを表にします。2) 当社の優先事項は納期です。各提案に応じてスコアを付けます (1 ～ 5)。3) 正当な理由を付けてスコアを説明します。4) 「提案:」という見出しの下で 1 つの選択肢を選択し、それを 1 つの文で正当化します。提案: [オファー]
2 番目のプロンプト モデルでは、最初に構成が行われ、次に優先順位に応じたスコアリングが行われ、最後に決定が行われます。結果はより正確になり、その正当性を確認できます。
ミニケース3個
ケース 1 — 予算管理。事務長が8項目の経費リストと予算を超過している項目の合計を求めたところ、直接質問するとモデルは項目を省略して間違った合計値を出してしまった。 「まず、項目を一つ一つ書き出して、そこに走って、それを足して予算と比べてみてください」と言われると、合計は正しく、超過している2項目には明記されていました。
ケース 2 — 契約リスク。調達専門家が契約のリスク条項について質問したとき、モデルは段階的なガイダンスを示さずに表面的なリストを提供しました。 「記事を一つ一つ読んで、リスクがあるならなぜリスクがあるのかを書き、最も重要なものを３つ挙げなさい」と言われると、分析は大幅に深まり、罰則規定の見落としが見つかった。
ケース 3 — 価格設定のシナリオ。起業家が 3 つの異なる価格パッケージの年収への影響について質問したとき、直接の答えは一貫していませんでした。段階的なガイダンス (仮定を書き留める → 各パッケージを個別に計算する → 比較) により、計算に一貫性が生まれました。それにもかかわらず、結果はスプレッドシートで独立して検証されました。
ヒント: 重要な計算や決定の場合は、その理由を表示するよう依頼してください (「ステップを表示」)。目に見える推論により、どこが間違っていたかがわかり、修正が容易になります。
注意: 段階的に推論すると精度が向上しますが、それが保証されるわけではありません。モデルの中間ステップに一貫性があるように見えても、計算が間違っている可能性があります。数値と事実の結果を常に独立して検証します (計算機、ソース、2 番目の方法)。
よくある間違い
- 単純なタスクに適用します。ワンショットジョブで不必要な長さを作成する。
- 判断力をコントロールできない。 「段階的に考えてください」と言って、途中の手順を読まずに結果を受け入れる。
- 結果を分離しない。推論と最終的な答えが絡み合ったときに、使える結論を導き出すことができない。
- 検証をスキップします。手順が論理的であると思われる場合、数値結果を何の疑問も持たずに受け入れる。
- 過剰な手順を要求する。 15 ステップのプッシュにより、単純なタスクが不必要に複雑になります。
要約すると
- ステップバイステップのプロンプトは、結果を与える前に中間ステップを書き留めるようモデルに要求します。
- 中間ステップは中間入力として機能し、複数ステップのタスクの精度を高めます。
- この手法は、複雑な計算、論理、正当化に役立ちます。簡単なワンステップ作業では不要です。
- 推論を最終結果から分離することで、監査とクリーンな出力の両方を行うことができます。
- この技術は向上しますが、精度は保証されません。必ず数値と事実を確認してください。
アプリケーションタスク
いくつかのステップ (予算の確認、見積もりの比較、または意思決定) を必要とする実際の仕事に就いてください。まずは直接質問し、次に「段階的に考え、手順を示し、結論を書く」形式で再度質問します。 2 つの出力の精度を個別にチェックし、段階的なバージョンの違いに注目します。
チェックリスト
- [ ] 段階的に考えることで精度が高まる理由を説明できます。
- [ ] モデルを推論に導く表現を使用できます。
- [ ] テクニックが適切なタスクと不要なタスクを区別します。
- [ ] 推論を切り離して、最終的な結果を求めることができます。
- [ ] 私は常に結果を独自に検証します。