Announcing our new Course: AI Red-Teaming and AI Safety Masterclass

Check it out →
💼 بنیادی ایپلی کیشنز🟢 متعدد انتخاب کے سوالات

🟢 متعدد انتخاب کے سوالات

نے اپ ڈیٹ کیا۔ سینڈر شلہوف کو August 7, 2024 آخری بار

آئیے ایل ایس اے ٹی 1 سوال کو حل کرنے کے لئے جی پی ٹی کا استعمال کریں!

ایل ایس اے ٹی (لا اسکول میں داخلہ ٹیسٹ) ایک معیاری امتحان ہے جو ریاستہائے متحدہ میں لاء اسکولوں کے ذریعہ متوقع طلباء کی تنقیدی سوچ اور تجزیاتی استدلال کی مہارت کا اندازہ کرنے کے لئے استعمال کیا جاتا ہے۔

ذیل میں ایک مثال LSAT سوال ہے۔ غور کریں کہ آپ بھی اس کا جواب کیسے دیں گے آپ کی استدلال کے طور پر

{"highlight-start"}
جان آف ورسیسٹر ، ایک انگریزی راہب ، نے 8 دسمبر ، 1128 کو ، دو غیر معمولی طور پر بڑے سن سپاٹوں میں ، دیکھنے کو ریکارڈ کیا۔ پانچ دن بعد جنوبی کوریا میں ایک شاندار ارورہ بوریلیس (ناردرن لائٹس) دیکھا گیا۔ عام طور پر سن اسپاٹ سرگرمی کے بعد ایک اورورا بوریلیس کی ظاہری شکل ہوتی ہے ، جس میں اوسطا پانچ دن ہوتا ہے۔ اس طرح ، کوریائی دیکھنے سے جان کو ورسٹر کے دیکھنے کی تصدیق کرنے میں مدد ملتی ہے۔ مندرجہ ذیل میں سے کون سا ، اگر سچ ہے تو ، زیادہ تر دلیل کو مضبوط کرتا ہے؟
{"highlight-end"}

a) ایک اورورا بوریلیس بعض اوقات اس وقت بھی ہوسکتا ہے جب پچھلے ہفتے میں سنسپاٹ کی کوئی خاص سرگرمی نہیں ہوئی تھی۔
ب) چینی ذرائع نے جان آف ورسیسٹر کے کام کرنے سے 1000 سال سے بھی زیادہ سن سپاٹ کو دیکھنے کے لئے ریکارڈ کیا۔
ج) صرف بھاری سن اسپاٹ سرگرمی کے نتیجے میں کوریا کی طرح ایک طول بلد پر نظر آنے والا ارورہ بوریلیس نظر آسکتا تھا۔
د) چونکہ عام دن کی روشنی کے حالات میں ننگی آنکھ کے ساتھ سورج کی جگہوں کو دیکھنا ناممکن ہے ، لہذا جان آف ورسیسٹر کے ذریعہ ریکارڈ کردہ دیکھنے میں غیر معمولی موسمی صورتحال جیسے دھند یا پتلی بادلوں کی وجہ سے ریکارڈ کیا جاتا۔
e) جان آف ورسیسٹر کے اکاؤنٹ میں سنسپوٹس کی ایک ڈرائنگ بھی شامل تھی ، جو سن اسپاٹ سرگرمی کی ابتدائی مثال ہوسکتی ہے۔

صحیح جواب ہے ... ج) صرف بھاری سن اسپاٹ سرگرمی کے نتیجے میں کوریا کی طرح ایک طول بلد پر نظر آنے والا ارورہ بوریلیس نظر آسکتا تھا۔

نیچے دیئے گئے ڈیمو میں مسئلے کو چسپاں کرنے کی کوشش کریں:

میرا جواب کیوں مختلف ہے؟

آپ کا جواب اس کی وجہ سے مختلف ہوسکتا ہے

  1. بنیادی ماڈل ، جی پی ٹی 3 میں تازہ کاری
  2. ٹیکسٹ جنریشن کے عمل میں بے ترتیب پن۔ ہم ترتیب کے ذریعہ آؤٹ پٹ کو مزید مستقل بنا سکتے ہیں

    درجہ حرارت

    سے 0.

ماڈل ناکام ہوگیا۔ کیا اس کا مطلب یہ ہے کہ ماڈل اس قسم کے سوال کا جواب دینے کے لئے نااہل ہے؟ ضروری نہیں. ہم ان تکنیکوں میں غوطہ لگائیں گے جو ہم ماڈل کے نتائج کو بہتر بنانے کے لئے استعمال کرسکتے ہیں۔

جادو کا جملہ

ہم نے جو معیاری اشارہ اوپر استعمال کیا ہے وہ جی پی ٹی کے آؤٹ پٹ کی "استدلال" کے بارے میں بہت کم بصیرت فراہم کرتا ہے۔ ہم اس جملے کو شامل کرنے کی کوشش کر سکتے ہیں۔

...
e) جان آف ورسیسٹر کے اکاؤنٹ میں سنسپوٹس کی ایک ڈرائنگ بھی شامل تھی ، جو سن اسپاٹ سرگرمی کی ابتدائی مثال ہوسکتی ہے۔

آئیے قدم بہ قدم وضاحت کرتے ہیں

اس جملے سے ماڈل کی فعل میں اضافہ ہوگا۔ آپ کو اس طرح کی پیداوار مل سکتی ہے:

Info

نوٹس کریں کہ ماڈل کس طرح مسئلہ کو مرحلہ وار پیش کرتا ہے۔

اس رویے کے لیے مخصوص اصطلاح ہے چین آف تھوٹ1؛ ماڈل ترتیب وار جواب تک پہنچنے کے لیے بیانات تیار کرتا ہے۔ یہ سسٹم 2 سوچ کے تصور سے ملتا جلتا ہے (Thinking Fast and Slow سے)؛ ماڈل سسٹم 1 سوچ سے پہلے سے طے شدہ ہے، لیکن زیادہ طریقہ کار کے جواب پر پہنچنے کے لیے سسٹم 1 سوچ کو زنجیر بنا سکتا ہے۔

بہتری

متعدد انتخابی سوالات کے لیے ہمارے بنیادی پرامپٹ پر کچھ تغیرات یہ ہیں:

سوال کے آئٹمز کو دوبارہ ترتیب دیں۔

ہم سوال میں آئٹمز کو دوبارہ ترتیب دے سکتے ہیں۔

...
a) John of Worcester کے اکاؤنٹ میں سورج کے دھبے کی ایک ڈرائنگ شامل تھی، جو سورج کے دھبے کی سرگرمی کی ابتدائی مثال ہو سکتی ہے۔
b) چونکہ سورج کے دھبوں کو عام دن کی روشنی کے حالات میں ننگی آنکھ سے دیکھنا ناممکن ہے، اس لیے جان آف ورسیسٹر کے ذریعے ریکارڈ کیا گیا نظارہ غیر معمولی موسمی حالات جیسے کہ دھند یا پتلے بادلوں میں ہوا ہوگا۔
...

سوال کو دوبارہ لکھیں۔

یاد کریں اصل اشارہ یہ تھا:

مندرجہ ذیل میں سے کون سا، اگر سچ ہے، تو دلیل کو سب سے زیادہ مضبوط کرتا ہے؟

ہم اس پرامپٹ کو تبدیل کر سکتے ہیں:

ہر انتخاب کی نشاندہی کریں کیونکہ دلیل کو مضبوط، کمزور یا متاثر نہیں کرتا ہے۔

جواب کے انتخاب میں مزید بصیرت حاصل کرنے کے لیے۔

اضافی سیاق و سباق شامل کریں۔

یہاں اس مسئلے کی ایک مثال ہے جسے Bayes کے تھیوریم کو استعمال کرکے آسانی سے حل کیا جاسکتا ہے:

وائرس کے لیے دو طبی ٹیسٹ، A اور B پر غور کریں۔ ٹیسٹ A وائرس کو پہچاننے کے لیے 90% موثر ہے۔
موجود ہے، لیکن اس میں 5% غلط مثبت شرح ہے (یہ بتاتا ہے کہ وائرس موجود ہے، جب یہ نہیں ہے)۔ ٹیسٹ B ہے 95%
وائرس کو پہچاننے میں مؤثر، لیکن اس کی شرح 10% غلط مثبت ہے۔ دونوں ٹیسٹ آزادانہ طریقے استعمال کرتے ہیں۔
وائرس کی شناخت کے بارے میں۔ یہ وائرس تمام لوگوں میں سے 2% لوگوں کو ہوتا ہے۔
(a) کہتے ہیں کہ کسی شخص کا وائرس کا ٹیسٹ صرف A ٹیسٹ کے ذریعے کیا جاتا ہے۔ اس بات کا کیا امکان ہے کہ وہ شخص
کیا واقعی وائرس لے جا رہا ہے کیونکہ ٹیسٹ A مثبت آیا ہے؟ (2 پوائنٹس)
(b) کہتے ہیں کہ کسی شخص کا وائرس کا ٹیسٹ صرف B ٹیسٹ کے ذریعے کیا جاتا ہے۔ اس بات کا کیا امکان ہے کہ وہ شخص
کیا واقعی وائرس لے جا رہا ہے کیونکہ ٹیسٹ B مثبت آیا ہے؟ (2 پوائنٹس)
(c) کہتے ہیں کہ دونوں ٹیسٹوں کا استعمال کرتے ہوئے ایک شخص کا وائرس کا ٹیسٹ کیا جاتا ہے۔ اس کا کیا امکان ہے کہ وہ شخص ہے۔
واقعی وائرس لے کر جا رہے ہیں کیونکہ دونوں ٹیسٹ مثبت آئے ہیں؟ (2 پوائنٹس)

آئیے اسے GPT کے ساتھ آزمائیں:

آؤٹ پٹ غلط ہے!

اگر ہم تھوڑا سا سیاق و سباق شامل کریں، جیسے:

...
آئیے قدم بہ قدم وضاحت کرتے ہیں۔ Bayes کا فارمولا ہے۔

ماڈل صحیح فارمولہ استعمال کرے گا، Bayes.

کونسا ٹھیک ہے**!

Warning

GPT ماڈل ریاضی کی کارروائیوں کو اچھی طرح سے انجام نہیں دیتا ہے۔ آپ محسوس کر سکتے ہیں کہ لکھے گئے اظہار کو درست کرتے ہوئے، شمار شدہ نمبر نہیں ہے۔

فقرہ شامل کرنے کی کوشش کریں: حساب کو غیر فعال کرنے کے لیے 'اظہار کو جواب کے طور پر دیں، نمبر نہیں'۔

اس مسئلے کو حل کرنے کے لیے آپ کو MRKL2 میں دلچسپی ہو سکتی ہے، GPT کو بیرونی ٹولز جیسے کیلکولیٹر کے ساتھ جوڑنے کا نمونہ۔

تحریر کردہ بذریعہ zeyuzhao۔

Footnotes

  1. 2
  2. Karpas, E., Abend, O., Belinkov, Y., Lenz, B., Lieber, O., Ratner, N., Shoham, Y., Bata, H., Levine, Y., Leyton-Brown, K., Muhlgay, D., Rozen, N., Schwartz, E., Shachaf, G., Shalev-Shwartz, S., Shashua, A., & Tenenholtz, M. (2022).

Edit this page
Word count: 0
Copyright © 2024 Learn Prompting.