Chain-of-Thought (CoT) prompting, büyük dil modellerinin (LLM) karmaşık akıl yürütme gerektiren görevlerde ara mantık adımları üretmesini sağlayan bir yöntemdir. Bu teknik, modelin doğrudan cevap vermek yerine adım adım düşünmesini teşvik ederek, özellikle matematiksel problemler, mantık bulmacaları ve çok adımlı karar verme süreçlerinde doğruluğu ve açıklanabilirliği artırır.
Chain-of-Thought Prompting Nedir?
Chain-of-Thought prompting, bir LLM'ye örnek veya talimat yoluyla, bir soruyu yanıtlarken izlemesi gereken ara mantık adımlarını gösterme işlemidir. Standart bir promptta model doğrudan cevaba atlarken, CoT promptu modeli "önce şunu hesapla, sonra bunu karşılaştır" gibi adımlarla yönlendirir. Bu, insanların karmaşık problemleri çözerken kullandığı doğal düşünme sürecini taklit eder.
CoT Prompting Çeşitleri
CoT prompting, uygulanış şekline göre iki ana gruba ayrılır: Zero-shot CoT ve Few-shot CoT.
| Yöntem | Açıklama | Örnek Kullanım |
|---|---|---|
| Zero-shot CoT | Modele sadece "Adım adım düşünelim" gibi bir ibare eklenir, örnek gösterilmez. | "Soru: Bir çiftlikte 12 koyun ve 8 tavuk var. Toplam kaç bacak vardır? Adım adım düşünelim." |
| Few-shot CoT | Bir veya daha fazla çözüm adımı içeren örneklerle birlikte prompt verilir. | Birkaç örnekte adım adım çözüm gösterildikten sonra yeni bir soru sorulur. |
Hangi yöntemin seçileceği, görevin karmaşıklığına ve mevcut bütçeye bağlıdır. Few-shot CoT daha fazla bağlam sağlasa da, Zero-shot CoT daha hızlı ve ekonomiktir. Bu konuda daha fazla bilgi için Few-shot ve Zero-shot Prompting: Hangi Durumda Hangi Yöntem Daha Etkili? yazımıza göz atabilirsiniz.
Hangi Problemlerde CoT Prompting Etkilidir?
CoT prompting, aşağıdaki türdeki görevlerde belirgin iyileşmeler sağlar:
- Matematiksel akıl yürütme (aritmetik, cebir, problem çözme)
- Mantıksal çıkarım (dedüktif, indüktif muhakeme)
- Çok adımlı karar verme (planlama, strateji oluşturma)
- Açıklama gerektiren sorular (neden-sonuç ilişkileri)
- Kod üretme ve hata ayıklama (adım adım algoritma analizi)
Örneğin, matematiksel bir problemde modelin adım adım işlem yapması, hata yapma olasılığını düşürür. Bunun aksine, basit bilgi sorgulamalarında (örneğin "Türkiye'nin başkenti neresidir?") CoT kullanımı gereksizdir ve gecikmeye neden olur.
Chain-of-Thought Prompting Nasıl Uygulanır?
CoT prompting uygularken aşağıdaki adımları izleyebilirsiniz:
- Görevi tanımlayın: Çözülmesi gereken asıl problemi netleştirin.
- Ara adımları belirleyin: Probleme götüren mantıksal adımları sıralayın.
- Promptu oluşturun: Zero-shot CoT için "Adım adım düşünelim" ibaresini ekleyin. Few-shot için örnek çözümler hazırlayın.
- Modeli test edin: Girdiyi modele gönderin ve çıktıyı değerlendirin.
- İyileştirin: Gerekirse adım sayısını veya örnekleri revize edin.
Örnek Zero-shot CoT Prompt:
"Ali, 5 elma aldı ve 3'ünü yedi. Sonra 2 tane daha elma aldı. Şu anda kaç elması var? Adım adım düşünelim."
Modelin vereceği cevap: "Ali önce 5 elma aldı, 3'ünü yedi→ 2 elma kaldı. Sonra 2 elma daha aldı→ toplam 4 elma."
Sık Yapılan Hatalar ve Dikkat Edilmesi Gerekenler
CoT prompting etkili olsa da dikkat edilmesi gereken bazı noktalar vardır:
- Gereksiz kullanım: Basit işlemlerde CoT eklemek modelin kafasını karıştırabilir veya zaman kaybına yol açabilir.
- Adım sayısının optimizasyonu: Çok uzun adım dizileri modelin odaklanmasını zorlaştırabilir. Adımları makul uzunlukta tutun.
- Modelin yeteneği: CoT, modelin temel akıl yürütme kapasitesine bağlıdır. Çok zayıf modellerde adım adım düşünme yanlış yönlendirmeye neden olabilir.
- Örnek kalitesi: Few-shot CoT'de kullanılan örneklerin doğru ve tutarlı olması kritiktir. Hatalı örnekler modeli yanıltır.
Prompt mühendisliğinde daha fazla yöntem için Role Prompting Nedir? LLM'lere Belirli Bir Rol Vererek En İyi Yanıtları Almak başlıklı yazımızı inceleyebilirsiniz.
CoT ve Diğer Prompt Yöntemleriyle Karşılaştırma
CoT prompting, özellikle akıl yürütme gerektiren konularda standart promptlamaya göre üstündür. Aşağıdaki tablo, CoT ile diğer yöntemleri karşılaştırmaktadır:
| Kriter | Standart Prompt | Chain-of-Thought |
|---|---|---|
| Doğruluk (karmaşık görevler) | Düşük | Yüksek |
| Basit görevlerde performans | Yüksek | Orta (gereksiz gecikme) |
| Açıklanabilirlik | Düşük | Yüksek |
| Prompt uzunluğu | Kısa | Orta-Uzun |
| Maliyet (token) | Düşük | Yüksek |
CoT, özellikle matematik, hukuk, tıp gibi adım adım muhakeme gerektiren alanlarda vazgeçilmez bir tekniktir. Ancak her problem için en uygun yöntemi seçmek, deneyim ve test gerektirir.
Sık Sorulan Sorular
Chain-of-Thought prompting her problemde işe yarar mı?
Hayır, CoT özellikle mantıksal akıl yürütme, matematik ve çok adımlı karar verme gerektiren problemlerde etkilidir. Basit bilgi sorgulamalarında kullanmak gereksiz zaman ve token harcamasına yol açar.
Zero-shot CoT ile Few-shot CoT arasındaki temel fark nedir?
Zero-shot CoT, prompta sadece 'Adım adım düşünelim' benzeri bir ibare ekleyerek çalışırken, Few-shot CoT modele birkaç adım adım çözüm örneği sunar. Few-shot daha başarılı sonuçlar verebilir ancak daha fazla token tüketir.
CoT prompting için örnek uzunluğu ne kadar olmalıdır?
Örneklerdeki adım sayısı problemin karmaşıklığına bağlıdır. Genellikle 2-5 adım yeterlidir. Çok uzun adım dizileri modelin hatasını artırabilir; adımları net ve öz tutmak önemlidir.
Chain-of-Thought prompting hangi modellerde kullanılabilir?
CoT, özellikle büyük modellerde (GPT-4, Claude, Gemini gibi) etkilidir. Küçük modeller adım adım düşünmeyi doğru şekilde yapamayabilir. Test ederek karar vermek en iyisidir.
CoT prompting ile Role prompting'i birleştirebilir miyim?
Evet, iki yöntem birbiriyle uyumludur. Örneğin, modele 'bir matematik öğretmeni rolünde adım adım düşün' diyerek hem rol hem de CoT avantajından faydalanabilirsiniz.
