Complexity-Based Prompting
AdvancedAdvanced Reasoning
Complexity-Based prompting genererer multiple reasoning chains og vælger den længste/mest komplekse som ofte er mest præcis. Baseret på observationen at bedre reasoning typisk involverer flere trin.
Eksempel
Prompt:
Spørgsmål: Hvorfor er det varmere om sommeren? Generer 3 forklaringer: Chain 1 (kort): 'Fordi solen skinner mere' (12 ord) Chain 2 (medium): 'Om sommeren er Jordens akse tippet mod solen, så vi får mere direkte sollys og længere dage' (21 ord) Chain 3 (længst): 'Om sommeren er den nordlige halvkugle tippet 23.5° mod solen. Dette betyder sollyset rammer overfladen i en mere direkte vinkel (mindre atmosfære at trænge igennem) og dagene er længere (flere timer med sollys). Begge faktorer giver mere energi per areal, hvilket opvarmer overfladen og atmosfæren mere.' (52 ord) Vælg Chain 3 (mest kompleks og nuanceret)
Output:
Den mest komplekse og detaljerede forklaring vælges...
Hvornår skal du bruge denne teknik?
- →Komplekse reasoning opgaver
- →Når enkle svar ofte er forkerte
- →Til at vælge mellem multiple outputs
- →Kombiner med Self-Consistency
- →Ved videnskabelige eller tekniske forklaringer
Fordele
- ✓Ofte højer accuracy betydeligt
- ✓Automatisk - ingen manual selection
- ✓Fungerer på tværs af domæner
- ✓Simpelt at implementere
- ✓God til at filtrere overfladiske svar
Ulemper
- !Kræver multiple generations (dyrt)
- !Længere ≠ altid bedre
- !Kan favorisere verbosity over klarhed
- !Computationally expensive
- !Ikke til alle opgavetyper
Tips & Best Practices
- 💡Generer 3-5 chains (flere hjælper ikke meget)
- 💡Brug metrics: token count, reasoning steps, eller begge
- 💡Kombiner med Self-Consistency for robusthed
- 💡Test på dit specifikke domæne først
- 💡Overvej hybrid: complexity + confidence score
- 💡Filtrer fra chains der er alt for lange (outliers)
- 💡Brug temperature ~0.7 for variation