Explicit CoT-லிருந்து Implicit CoT வரை

AI மாதிரிகள் படிப் படியாகச் சிந்திப்பதன் மூலம் கடினமான சிக்கல்களைத் தீர்க்கின்றன. இந்தச் செயல்முறை Chain of Thought அல்லது CoT என்று அழைக்கப்படுகிறது.

பெரும்பாலான மாதிரிகள் Explicit CoT-ஐப் பயன்படுத்துகின்றன. அவை ஒரு பதிலை வழங்குவதற்கு முன் ஒவ்வொரு சிந்தனையையும் விரிவாக எழுதுகின்றன. இது மாதிரியின் வேகத்தைக் குறைக்கிறது. மேலும் இது அதிகப்படியான டோக்கன்களைப் பயன்படுத்துகிறது.

புதிய ஆராய்ச்சிகள் ஒரு சிறந்த வழியைக் காட்டுகின்றன. மாதிரிகள் Implicit CoT-க்கு மாற முடியும். அதாவது, மாதிரி தனது தர்க்கரீதியான சிந்தனைப் படிகளைத் தனக்குள்ளேயே உள்வாங்கிக் கொள்கிறது. ஒவ்வொரு வார்த்தையையும் எழுதாமலேயே, தர்க்கத்தின் மூலம் அது சிந்திக்கும்.

இந்த மாற்றம் AI செயல்படும் விதத்தையே மாற்றுகிறது. இது மாதிரிகளை வேகமாகவும், அதிகத் திறனுடனும் மாற்றுகிறது.

இது எவ்வாறு செயல்படுகிறது:

இந்தச் சிந்தனைப் படிகளை உள்வாங்கிக் கொள்ள ஒரு மாதிரியைப் பயிற்றுவிக்க குறிப்பிட்ட தரவுகளும் முறைகளும் தேவைப்படுகின்றன. இது உருவாக்கச் செலவைக் குறைக்கும் அதே வேளையில், மாதிரியின் துல்லியத்தைப் பராமரிக்க உதவுகிறது.

நீங்கள் இந்தத் துறையை உன்னிப்பாகக் கவனிக்க வேண்டும். திறமையான தர்க்க ரீதியான சிந்தனையே பெரிய மொழி மாதிரிகளுக்கான (large language models) அடுத்த கட்டமாகும்.

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

விருப்பமான கற்றல் சமூகம்: https://t.me/GyaanSetuAi