288981記事公開中

トレンドワード
  2. AIベンチマークリサーチ
  3. 論文研究
  4. ステップバックプロンプティング — 抽象化を通じて推論を可能にする（Step-Back Prompting Enables Reasoning Via Abstraction in Large Language Models）
2 分で読了
0 views

ステップバックプロンプティング — 抽象化を通じて推論を可能にする

（Step-Back Prompting Enables Reasoning Via Abstraction in Large Language Models）

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか？

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に！

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか？

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター！

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題！誰1人置いていかずに寄り添います。

詳細を見る

田中専務

拓海さん、最近部下が「大事な論文があります、これが分かれば現場の判断が変わります」と言いまして。ただ、内容が難しくて頭が痛いのです。要点だけ教えていただけますか。

AIメンター拓海

素晴らしい着眼点ですね！大丈夫、一緒に見ていけば必ずできますよ。まず結論を三行でお伝えします。1) 個々の細かい事実から一歩引いて抽象化することで、LLM（Large Language Model、大規模言語モデル）は正しい推論経路を見つけやすくなる、2) この方法は既存モデルでサンプル効率良く働き、3) 多様な理論検査で性能が大きく改善された、という点です。

田中専務

なるほど。要するに細かい情報をそのまま追うのではなく、一段引いて本質を掴む、ということでしょうか。これって要するに抽象化して本質に集中するということ？

AIメンター拓海

その通りです！抽象化（Abstraction）は本来の目的を邪魔する余計な詳細を取り除き、

監修者

阪上雅昭（SAKAGAMI Masa-aki）
京都大学　人間・環境学研究科　名誉教授

論文研究シリーズ
前の記事
多変量時系列予測の進展を探る
（Exploring Progress in Multivariate Time Series Forecasting）
次の記事
インタラクティブな実世界シミュレータの学習
（LEARNING INTERACTIVE REAL-WORLD SIMULATORS）
関連記事
学習移行行列：学習評価と教育改善のためのツール
（Transition Matrices: A Tool to Assess Student Learning and Improve Instruction）
エンドエージェント：内視鏡の視覚から判断へ導く記憶駆動型反省エージェント
（EndoAgent: A Memory-Guided Reflective Agent for Intelligent Endoscopic Vision-to-Decision Reasoning）
弱い操作変数と観測データを組み合わせた異質な処置効果の推定
(Estimating Heterogeneous Treatment Effects by Combining Weak Instruments and Observational Data)
Learning Bayesian networks: a copula approach for mixed-type data
（混合型データに対するコピュラ手法によるベイズネットワーク学習）
オフライン強化学習におけるデータ拡張のための不確実性駆動軌道切断
（Uncertainty-driven Trajectory Truncation for Data Augmentation in Offline Reinforcement Learning）
研究者の学際性の評価：ハワイ大学 NASA アストロバイオロジー研究所のケーススタディ
（Assessing Researcher Interdisciplinarity: A Case Study of the University of Hawaii NASA Astrobiology Institute）
この記事をシェア

有益な情報を同僚や仲間と共有しませんか？

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
（Black hole/quantum machine learning correspondence）
  • 論文研究
生成AI検索における敏感なユーザークエリの分類と分析
（Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System）
  • 論文研究
DiReDi：AIoTアプリケーションのための蒸留と逆蒸留
（DiReDi: Distillation and Reverse Distillation for AIoT Applications）
  • 論文研究

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に！
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
最新記事
トレーニング初期に画像を小さくすることで学習効率を上げる手法
（Testing the ‘Efficient Network TRaining (ENTR)’ Hypothesis）
  • 論文研究
心電図ノイズ除去のための深い再帰的デノイジングニューラルネットワーク
（Deep Recurrent Denoising Neural Network）
  • 論文研究
組み合わせ学習によるシステムプログラミング教育の設計
（Design of Blended Learning of System Programming for Bachelors of Software Engineering）
  • 論文研究
Call Detail Recordsを用いた異常検知とトラフィック予測
（Call Detail Records Driven Anomaly Detection and Traffic Prediction in Mobile Cellular Networks）
  • 論文研究
自動運転におけるテキスト説明の作り方
（Textual Explanations for Self-Driving Vehicles）
  • 論文研究
マーカー不要の視覚的ロボット学習
（Markerless Visual Robot Programming by Demonstration）
  • 論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか？

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に！

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか？

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター！

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題！誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む