Ahelreaktsioon
Sellel lehel
Põhjenda samm-sammult
Ahelreaktsioon (inglise keeles Chain of Thought, lühendatult CoT) on tehnika, mis palub mudelil enne lõpliku vastuse andmist oma arutluskäiku üksikasjalikult kirjeldada. Selle asemel, et kohe järeldusele hüpata, toob mudel välja iga loogilise sammu, mis parandab oluliselt vastuste kvaliteeti ülesannetes, mis nõuavad põhjendamist. Mistrali mudelite puhul annab see suurepäraseid tulemusi loogika, matemaatika, analüüsi ja otsuste tegemise valdkonnas.
Et mõista, miks see toimib, tuletame meelde, kuidas mudel teksti genereerib: token haaval, kusjuures iga token tugineb kõigile eelnevatele. Kui mudel peab keerulisele küsimusele otse vastama, on tal “mõtlemiseks” vaid mõni token – vastus peab tekkima peaaegu koheselt. Paludes tal oma arutluskäiku detailselt kirjeldada, annad talle ruumi probleemi lihtsateks alamülesanneteks lahata, kontrollida iga sammu enne järgmisele asumist, tuvastada esitatud andmete hulgast asjakohast teavet ja vähendada lõpuks põhjendusvigade, nagu hallutsinatsioonide, riski. Kirjalik arutlus ei ole järelmõte: just seal toimub arvutustöö.
Lihtne CoT: üks juhend piisab
Kõige lihtsam vorm seisneb selles, et lisad oma vihje (prompt) lõppu lihtsa juhendava fraasi:
Restoranis on 15 lauda. Iga laua taha mahub 4 inimest.
Restoran on 80% ulatuses täis. Mitu inimest on kohal?
Põhjenda samm-sammult enne vastuse andmist.
Mudel toodab seejärel midagi sellist:
1. samm: kogumahutavus = 15 lauda × 4 inimest = 60 inimest
2. samm: täituvus = 80% = 0,80
3. samm: kohal olevad inimesed = 60 × 0,80 = 48 inimest
Vastus: restoranis on kohal 48 inimest.
Ilma juhendita „põhjenda samm-sammult“ võiks mudel anda kohe vastuseks „48“ – mis on siin õige –, kuid ta võib teha vahearvutuses vea, mida sa ei suuda tuvastada. See on CoT teine, vähem tuntud, kuid sama väärtuslik eelis: nähtav arutluskäik on kontrollitav. Kui vastus tundub sulle imelik, hüppab vigane samm silma.
Struktureeritud CoT: juhenda samme
Keerukamate ülesannete puhul ära piirdu ainult arutluse palumisega: määra see ette. Kujuta ette investeerimisanalüüsi:
Hinda, kas see iduettevõte on hea investeering.
Andmed:
- Käive 2025: 2,3 miljonit eurot (kasv +45% aastaga)
- Kulumismäär: 180 000 eurot kuus
- Finantsiline varu: 14 kuud
- Potentsiaalne turg: 500 miljonit eurot
- Meeskond: 22 inimest, 3 tehnilist asutajat
Põhjenda vastavalt nendele sammudele:
1. Analüüsi finantsseisundit (käive, kulumismäär, finantsiline varu)
2. Hinda turupotentsiaali (suurus, praegune läbitungimine)
3. Hinda meeskonda (oskused, suurus)
4. Tuvasta peamised riskid (maksimaalselt 3)
5. Esita oma järeldus koos usaldusväärsuse hinnanguga (madal/keskmine/kõrge)
Määrates sammud ette, tagad, et mudel käsitleb kõiki olulisi aspekte õiges järjekorras, jätmata vahele seda, mis sulle korda läheb. Vabaks jäetuna võiks ta turust pikalt rääkida ja finantsanalüüsiga kiirustada; juhendatuna käsitleb ta kõiki viit aspekti süstemaatiliselt.
Millal kasutada ahelreaktsiooni – ja millal sellest loobuda
CoT on mõeldud ülesannete jaoks, kus võib teel eksida: mitmeastmelised matemaatikaülesanded, hinnangud, andmeanalüüs (mõõdikute tõlgendamine, trendide tuvastamine), otsuste tegemine võimaluste võrdlemise teel, koodi või vealogide silumine, loogiline põhjendamine ja järelduste tegemine. Kõigis neis olukordades on iga vahepealne samm kontrollpunkt, mis takistab vigade edasikandumist.
Seevastu on CoT kasutu – mõnikord isegi kahjulik –, kui pole midagi lahti harutada. Lihtsa faktilise küsimuse nagu „Mis on Itaalia pealinn?“ puhul suurendab see ainult latentsust ja tokenite arvu, parandamata midagi. Loomingulises kirjutamises võib struktureeritud arutlus isegi loovust pidurdada. Tõlkimine on intuitiivsem kui loogiline ja ümber sõnastamine ei nõua järeldamist. Õige refleks: küsi endalt, kas koostaksid selle ülesande jaoks ise arvutusi. Kui ei, siis säästa mudelit.
CoT koos mõne näitega (few-shot)
Ahelreaktsiooni kombineerimine eelmises õppetükis käsitletud mõne näite (few-shot) tehnikaga on eriti võimas: selle asemel, et kirjeldada, kuidas põhjendada, näitad seda edukate arutluste tervikliku näite abil.
messages = [
{
"role": "system",
"content": "Oled analüütik, kes põhjendab samm-sammult."
},
{
"role": "user",
"content": """E-kaubanduse saidil on 10 000 külastajat päevas, konversioonimäär
on 2,5% ja keskmine ostukorvi väärtus on 65 eurot. Mis on päevane käive?"""
},
{
"role": "assistant",
"content": """Põhjendus:
1. Tellimuste arv päevas = 10 000 × 2,5% = 250 tellimust
2. Päevane käive = 250 × 65 eurot = 16 250 eurot
Vastus: Päevane käive on 16 250 eurot."""
},
{
"role": "user",
"content": """SaaS-ettevõttel on 5000 aktiivset kasutajat, kuine lahkumismäär
on 3% ja keskmine kasutajapõhine tulu on 49 eurot kuus. Milline on MRR
3 kuu pärast, kui uusi kliente ei lisandu?"""
}
]
Mudel kordab uue küsimuse puhul sama skeemi – nummerdatud plokk „Põhjendus“, millele järgneb rida „Vastus“. Saad nii CoT ranguse kui ka few-shot vormingu järjepidevuse.
Kontrolli arutluse detailsust
Mõnikord soovid arutlust, kuid mitte romaani. Saad annust juhtida otse juhendis. Täieliku arutluse jaoks küsi: „Kirjelda enne järelduse tegemist iga oma arutluse sammu.“ Pinguldatud versiooni jaoks: „Põhjenda lühidalt (maksimaalselt 2–3 sammu) ja anna seejärel vastus.“ Toote jaoks on kasulaim variant, mis eraldab arutluse ja vastuse siltidega:
Põhjenda siltide <reasoning></reasoning> sees
ja esita seejärel oma lõplik vastus siltide <answer></answer> sees.
Viimane lähenemine annab parima mõlemast maailmast: su kood ekstraheerib lõppkasutajale kuvamiseks ainult <answer> sildi sisu, samas kui kogu arutluskäik jääb silumiseks logidesse kättesaadavaks. Kui tootes ilmneb vale vastus, avad logi ja näed täpselt, kus arutlus rööbastelt maha sõitis.
Peamised punktid
- Ahelreaktsioon palub mudelil enne vastamist põhjendada – otsustava tähtsusega loogika, arvutuste ja analüüsi puhul
- Juhenda samme selgelt keerukate ülesannete korral
- Kombineeri CoT ja few-shot maksimaalse efektiivsuse saavutamiseks
- Kasutu lihtsate küsimuste või loomingulise kirjutamise puhul
- Kasuta tootes arutluse ja vastuse eraldamiseks XML-silte