複雑な業務課題をテキスト生成AIで扱うための手法の一つに、Least-to-Most Promptingがある。この手法の説明として、最も適切なものはどれか。
- 1同じ質問を複数回行って異なる推論過程の回答を得て、最も多く現れた答えを採用する。
- 2回答を生成する前に、問題に関係する知識をモデル自身に書き出させ、それを手がかりに回答させる。
- 3外部ツールを呼び出して情報を取得し、その結果を観察しながら推論と行動を交互に繰り返す。
- 4複雑な問題をより簡単な小問題に分解し、易しいものから順に解いて、その答えを次の小問題に生かしながら最終的な答えを導く。
正解と解説を見る
正解：4
Least-to-Most Promptingは、複雑な問題をまず易しい小問題に分解し、易しいものから順に解いて、その答えを次の小問題の手がかりにしながら最終的な答えを導く手法です。同じ質問を複数回行って多数決をとるのはSelf-Consistency、関連知識を先に書き出させるのはGenerated Knowledge Prompting、推論と外部ツールによる行動を交互に繰り返すのはReActの説明です。いずれも推論を工夫する手法ですが、着眼点がそれぞれ異なります。Least-to-Mostは「分解してから易しい順に解く」と覚えておきましょう。
根拠：Least-to-Most Prompting（Zhou et al., 2022）