Program-Aided Language (PAL)
AdvancedAdvanced Reasoning
PAL får modellen til at generere kode (typisk Python) for at løse problemer i stedet for at regne i natural language. Koden eksekveres derefter for at få det præcise svar.
Eksempel
Prompt:
Spørgsmål: En webshop har 156 produkter. 23% er på tilbud. Af disse er 40% udsolgt. Hvor mange tilbudsprodukter er på lager?
Skriv Python kode til at løse dette:
```python
# Total produkter
total_products = 156
# Produkter på tilbud
products_on_sale = total_products * 0.23
# Udsolgte tilbudsprodukter
sold_out = products_on_sale * 0.40
# På lager
in_stock = products_on_sale - sold_out
print(f'Tilbudsprodukter på lager: {in_stock:.0f}')
```
Output: Tilbudsprodukter på lager: 22Output:
Eksekverbar kode der giver præcist svar...
Hvornår skal du bruge denne teknik?
- →Kompleks matematik og beregninger
- →Når præcision er kritisk
- →Data manipulation opgaver
- →Statistik og analyse
- →Når modellen fejler i natural language reasoning
Fordele
- ✓Perfekt præcision i beregninger
- ✓Verificerbar og debuggable
- ✓Håndterer meget komplekse problemer
- ✓Kan bruge libraries (numpy, pandas)
- ✓Skalerbart til store data
Ulemper
- !Kræver code execution miljø
- !Sikkerhedsrisici (sandboxing nødvendig)
- !Modellen kan generere forkert kode
- !Ikke til alle problemtyper
- !Mere kompleks infrastruktur
Tips & Best Practices
- 💡Specificer sprog (Python anbefales)
- 💡Bed om kommentarer i koden
- 💡Inkluder input validation
- 💡Test koden før produktion
- 💡Kør i sandboxed miljø
- 💡Kombiner med Few-Shot eksempler af god kode
- 💡Håndter exceptions gracefully