𝗙𝗿𝗼𝗺 𝗘𝘅𝗽𝗹𝗶𝗰𝗶𝘁 𝗖𝗼𝗧 𝘁𝗼 𝗜𝗺𝗽𝗹𝗶𝗰𝗶𝘁 𝗖𝗼𝗧

AI మోడల్స్ అడుగుల వారీగా ఆలోచించడం ద్వారా కష్టమైన సమస్యలను పరిష్కరిస్తాయి. ఈ ప్రక్రియను Chain of Thought లేదా CoT అని పిలుస్తారు.

చాలా మోడల్స్ Explicit CoTని ఉపయోగిస్తాయి. ఇవి సమాధానం ఇచ్చే ముందు ప్రతి ఆలోచనను రాసి చూపుతాయి. దీనివల్ల మోడల్ నెమ్మదిస్తుంది. అలాగే ఇది ఎక్కువ టోకెన్లను ఉపయోగిస్తుంది.

కొత్త పరిశోధనలు మెరుగైన మార్గాన్ని చూపుతున్నాయి. మోడల్స్ Implicit CoTకి మారవచ్చు. అంటే మోడల్ తార్కిక దశలను (reasoning steps) అంతర్గతంగా గ్రహిస్తుంది. ప్రతి పదాన్ని రాయకుండానే అది తర్కం ద్వారా ఆలోచిస్తుంది.

ఈ మార్పు AI పనితీరును మారుస్తుంది. ఇది మోడల్స్‌ను వేగంగా మరియు మరింత సమర్థవంతంగా మారుస్తుంది.

ఇది ఎలా పనిచేస్తుంది:

ఈ దశలను అంతర్గతంగా గ్రహించేలా మోడల్‌కు శిక్షణ ఇవ్వడానికి నిర్దిష్ట డేటా మరియు పద్ధతులు అవసరం. ఇది జనరేషన్ ఖర్చును తగ్గించేట jednocześnie మోడల్ యొక్క ఖచ్చితత్వాన్ని (accuracy) కాపాడటానికి సహాయపడుతుంది.

మీరు ఈ అంశాన్ని నిశితంగా గమనించాలి. సమర్థవంతమైన రీజనింగ్ (Efficient reasoning) అనేది లార్జ్ లాంగ్వేజ్ మోడల్స్ యొక్క తదుపరి దశ.

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

Optional learning community: https://t.me/GyaanSetuAi