Chain-of-Thought (CoT) prompting, büyük dil modellerinin (LLM) karmaşık mantıksal akıl yürütme gerektiren problemleri çözmek için kullanılan güçlü bir tekniktir. Standart promptlar modelden doğrudan cevap isterken, CoT modeli ara adımları düşünmeye ve bu adımları sıralı bir şekilde ifade etmeye teşvik eder. Bu yaklaşım, özellikle matematik problemleri, mantık bulmacaları ve çok adımlı karar verme senaryolarında doğruluğu önemli ölçüde artırır.
CoT prompting, LLM'lerin doğal dil anlama yeteneğini kullanarak adım adım düşünme sürecini simüle eder. Bu teknik, modelin çıktılarını daha şeffaf hale getirir ve hata ayıklamayı kolaylaştırır. Aşağıda, CoT prompting'i adım adım nasıl uygulayacağınızı ve en iyi sonuçları nasıl alacağınızı gösteren pratik bir rehber bulacaksınız.
1. CoT Prompting Nedir ve Neden Kullanılır?
Chain-of-Thought, modele bir problemi çözerken izlemesi gereken mantıksal adımları gösterme tekniğidir. Örneğin, "Bir çiftlikte 3 tavşan ve 2 tavuk var. Toplam kaç ayak vardır?" sorusuna CoT olmadan model doğrudan "14" cevabını verebilirken, CoT ile model önce her hayvanın ayak sayısını hesaplar: "Tavşanlar: 3x4=12 ayak, tavuklar: 2x2=4 ayak, toplam: 12+4=16 ayak." Bu, özellikle çok adımlı problemlerde hata oranını düşürür.
CoT'nin başlıca faydaları şunlardır:
- Karmaşık akıl yürütme gerektiren görevlerde doğruluğu artırır (Wei et al., 2022).
- Modelin karar verme sürecini şeffaf hale getirir.
- Özellikle matematik, mantık ve kodlama gibi alanlarda etkilidir.
- Hata ayıklama ve prompt iyileştirme için adım adım çıktı sağlar.
CoT, özellikle sıcaklık ve top-p parametreleri gibi diğer tekniklerle birleştirildiğinde daha da güçlenir.
2. CoT Prompting Türleri
İki ana CoT yaklaşımı vardır: sıfır atış (zero-shot) ve birkaç atış (few-shot).
2.1. Sıfır Atış (Zero-Shot) CoT
Modele doğrudan "Adım adım düşünelim" veya "Problemi adım adım çöz" gibi bir talimat verilir. Bu, herhangi bir örnek gerektirmez ve genel amaçlı kullanım için uygundur.
Örnek:Kullanıcı: "Bir mağaza %20 indirim yapıyor. Ürünün normal fiyatı 250 TL ise indirimli fiyat nedir? Adım adım düşünelim."
Model: "Adım 1: İndirim miktarını bulalım: 250 TL'nin %20'si = 250 x 0.20 = 50 TL. Adım 2: İndirimli fiyat = 250 - 50 = 200 TL."
2.2. Birkaç Atış (Few-Shot) CoT
Prompt içinde bir veya daha fazla örnek verilir. Örnekler, modelin akıl yürütme desenini öğrenmesine yardımcı olur. Bu yöntem, daha tutarlı sonuçlar için tercih edilir.
Örnek:Kullanıcı: "Soru: Bir otobüste 5 erkek ve 3 kadın var. Kaç kişi var? Cevap: 5+3=8 kişi. Soru: Bir çiftlikte 4 inek ve 6 at var. Toplam kaç ayak?"
Model: "İnekler: 4x4=16 ayak, Atlar: 6x4=24 ayak. Toplam: 16+24=40 ayak."
3. CoT Prompting Adım Adım Uygulama
Aşağıdaki adımlar, CoT prompting'i etkili bir şekilde kullanmak için izlenmesi gereken yöntemleri içerir. Bu rehber, özellikle dengesiz veri setlerinde SMOTE gibi karmaşık konulara uygulanabilir.
- Problemi tanımlayın: Çözmek istediğiniz problemi net bir şekilde ifade edin. Problem çok adımlı mı? Mantıksal sıralama gerektiriyor mu?
- Prompt temelini oluşturun: Modele problemi verin ve adım adım düşünmesini isteyin. "Adım adım düşünelim" ifadesi en yaygın kullanılan tetikleyicidir.
- Örnekler ekleyin (opsiyonel): Birkaç atış için benzer bir problemi çözümüyle birlikte prompta ekleyin. Örneklerin doğru ve net olmasına dikkat edin.
- Modeli test edin: Farklı varyasyonlarla test yapın. CoT'nin etkisini ölçmek için aynı problemi CoT'suz da sorun ve sonuçları karşılaştırın.
- Çıktıyı inceleyin: Modelin adımlarını kontrol edin. Mantıksal bir hata varsa, promptta yanlış yönlendirme olabilir.
- İyileştirin: Gerekirse daha fazla örnek ekleyin veya adım sayısını sınırlayın. CoT bazen çok uzun adımlar üretebilir; bu durumda "Sadece gerekli adımları yaz" gibi kısıtlamalar ekleyin.
4. Sık Yapılan Hatalar ve İpuçları
CoT prompting güçlü olsa da dikkat edilmesi gereken noktalar vardır:
- Hata 1: Çok karmaşık adımlar. Model gereksiz ayrıntılara girebilir. Çözüm: Adım sayısını belirtin (ör. "En fazla 3 adımda çöz").
- Hata 2: Yanlış örnekler. Birkaç atış CoT'de örneklerin doğru olması kritiktir. Hatalı örnek modeli yanlış yönlendirir.
- Hata 3: Aşırı spesifik prompt. Model esnekliğini kaybedebilir. Genel bir tetikleyici kullanın.
- İpucu: CoT'yi RAG ile LLM çıktılarını iyileştirme yöntemleriyle birleştirerek daha doğru ve bağlamsal sonuçlar alabilirsiniz.
5. CoT vs. Diğer Prompt Teknikleri
CoT, prompt chaining gibi sıralı tekniklerle karıştırılmamalıdır. CoT tek bir prompt içinde adımları isterken, prompt chaining birden fazla promptu birbirine bağlar. CoT, özellikle tek seferde çözülmesi gereken karmaşık problemler için idealdir.
6. Pratik Bir Örnek: Matematik Problemi
Aşağıda, CoT'nin gücünü gösteren bir örnek bulacaksınız. Model olarak GPT-4 kullandığımızı varsayalım.
Prompt (CoT'suz): "Bir havuzu iki musluk dolduruyor. Birinci musluk 4 saatte, ikinci musluk 6 saatte dolduruyor. İkisi birlikte kaç saatte doldurur?"
Çıktı: "2,4 saat" (Yanlış olabilir)
Prompt (CoT'lu): "Bir havuzu iki musluk dolduruyor. Birinci musluk 4 saatte, ikinci musluk 6 saatte dolduruyor. İkisi birlikte kaç saatte doldurur? Adım adım düşünelim."
Çıktı: "Adım 1: Birinci musluğun saatte doldurduğu miktar: 1/4. İkinci musluğun saatte doldurduğu miktar: 1/6. Adım 2: Birlikte saatte doldurdukları miktar: 1/4 + 1/6 = 3/12 + 2/12 = 5/12. Adım 3: Tüm havuzu doldurma süresi: 1 / (5/12) = 12/5 = 2.4 saat."
Görüldüğü gibi CoT, modelin doğru adımları izlemesini sağlar ve hata yapma olasılığını azaltır.
7. Sonuç ve Öneriler
Chain-of-Thought prompting, LLM'lerin akıl yürütme yeteneklerini ortaya çıkarmak için basit ama etkili bir yöntemdir. Özellikle matematik, mantık ve analiz gerektiren görevlerde kullanmanızı öneririz. Başlangıçta sıfır atış ile başlayın, ardından ihtiyaç duydukça birkaç atış örnekler ekleyin. CoT'yi diğer tekniklerle birleştirerek daha güçlü LLM uygulamaları geliştirebilirsiniz.
Sık Sorulan Sorular
Chain-of-Thought prompting nedir?
Chain-of-Thought (CoT) prompting, büyük dil modellerine bir problemi çözerken adım adım düşünmelerini söyleyen bir tekniktir. Bu, modelin karmaşık akıl yürütme gerektiren görevlerde daha doğru sonuçlar üretmesini sağlar.
CoT prompting ile prompt chaining arasındaki fark nedir?
CoT, tek bir prompt içinde adım adım düşünmeyi isterken, prompt chaining birden fazla promptu sırayla kullanarak karmaşık görevleri bölümlere ayırır. CoT genellikle tek seferlik çözümler için, prompt chaining ise çok aşamalı iş akışları için uygundur.
CoT prompting hangi alanlarda en etkilidir?
CoT, özellikle matematik problemleri, mantık bulmacaları, kodlama, tümdengelim gerektiren analizler ve çok adımlı karar verme senaryolarında yüksek başarı sağlar. Deneysel sonuçlar, bu tür görevlerde doğruluğu önemli ölçüde artırdığını göstermektedir.
Sıfır atış CoT ile birkaç atış CoT arasında nasıl seçim yapmalıyım?
Sıfır atış CoT, hızlı ve örnek gerektirmediği için genel amaçlı kullanımda idealdir. Birkaç atış CoT, belirli bir problem türünde daha tutarlı sonuçlar almak istediğinizde tercih edilir. Eğer problem desenini örneklerle destekleyebiliyorsanız birkaç atış daha iyidir.
