𝗙𝗿𝗼𝗺 𝗘𝘅𝗽𝗹𝗶𝗰𝗶𝘁 𝗖𝗼𝗧 𝘁𝗼 𝗜𝗺𝗽𝗹𝗶𝗰𝗶𝘁 𝗖𝗼𝗧

AI मॉडेल्स टप्प्याटप्प्याने विचार करून कठीण समस्या सोडवतात. या प्रक्रियेला Chain of Thought किंवा CoT असे म्हणतात.

बहुतेक मॉडेल्स Explicit CoT वापरतात. उत्तर देण्यापूर्वी ते प्रत्येक विचार लिहून काढतात. यामुळे मॉडेलचा वेग मंदावतो आणि ते मोठ्या प्रमाणात टोकन्स वापरते.

नवीन संशोधन एक अधिक चांगला मार्ग सुचवते. मॉडेल्स Implicit CoT कडे वळू शकतात. याचा अर्थ असा की मॉडेल तर्कसंगत पायऱ्या (reasoning steps) अंतर्गत आत्मसात करते. प्रत्येक शब्द न लिहूनही ते तर्काद्वारे विचार करते.

हा बदल AI च्या कार्यपद्धतीत बदल घडवून आणतो. यामुळे मॉडेल्स अधिक वेगवान आणि कार्यक्षम बनतात.

हे कसे कार्य करते:

या पायऱ्या अंतर्गत आत्मसात करण्यासाठी मॉडेलला प्रशिक्षित करण्यासाठी विशिष्ट डेटा आणि पद्धतींची आवश्यकता असते. यामुळे जनरेशनचा खर्च कमी करताना मॉडेलची अचूकता राखण्यास मदत होते.

तुम्ही या क्षेत्राकडे बारकाईने लक्ष दिले पाहिजे. कार्यक्षम तर्क (Efficient reasoning) हे लार्ज लँग्वेज मॉडेल्ससाठी पुढचे पाऊल आहे.

स्रोत: https://dev.to/paperium/from-explicit-cot-to-implicit-cot-learning-to-internalize-cot-step-by-step-b59

पर्यायी लर्निंग कम्युनिटी: https://t.me/GyaanSetuAi