分享是社交網路的重要功能汪 (◕ω◕✿)

1. ToT (Tree-of-Thought)
ref
範例：請想像有三個不同的專家一起回答這個問題，每位專家都會寫下他們心中想法的一個步驟，並且進行小組討論，如果沒問題就針對每個步驟進行下一個步驟的討論，但是若是任一專家覺得這個步驟錯了，他們就會離開，回到上一步驟進行討論。

就像這張圖片最右邊的樹狀圖一樣，針對每一個步驟都進行討論，並且選出最好的一個答案。

舉例來說，如果要進行翻譯，中文翻譯成英文，就可以這樣下詠唱：
---
請想像有三個不同的口譯員一起翻譯以下的文章，將文章從中文翻譯成英文，每位專家都會寫下他們心中的一句翻譯，並且進行小組討論，如果沒問題就針對每行句子進行下一個句的討論，但是若是任一專家覺得這個句子翻譯錯了，他們就會離開，回到上一個句子進行翻譯的討論。
`文章內容`
---

忘了最近在哪裡看到，好像只要加句「the answer is important to me」之類就可以提高幾趴準繩度…

apmk: 我看到的是 「Let's think step by step.」 (也就是 CoT )，但這個比較久了 (2022)

2. PanelGPT
這個很酷，研究動機是看到名人間的高峰會/研討會 (Panel discussion)。
範例：想像有三位專家正在高峰會上討論某個問題，專家們會一步一步的討論這個問題，並且確保每一個步驟都是正確的：{{ 你的問題 }}

雖然我不知道為什麼在高峰會討論的準度會比 ToT 的高，且我測試也沒有什麼明顯的差別(畢竟在分數上只是 0.05 的差異)，但這兩個都好酷，分享給大家。

這兩個技巧的概念有點像要 ChatGPT 自己對自己的內容評分，高於指定的分數再給答案。
不過在實務開發上會有點懷疑，用的是 ChatGPT 自產的內容，又要 ChatGPT 自己對自己評分，這樣做真的能夠拿到更正確的回答嗎？
因為做的是翻譯的案子，所以把 ChatGPT 評分的部分切開來，利用 BLEURT 來進行評分，到達指定分數再做下一步，也許可以有更客觀更正確的結果，但我沒有測試過，所以非 100% 確定 (不負責任轉頭就跑

忽發其杙想到能不能讓chatgpt用中文和英文（或各種語言）回答一次再評自己的答案再合併結果…

apmk: 感覺這樣會有很多 GPT 腦補的語句出現
在這個專案中，我是請 GPT 將翻譯的結果和原文進行比較並進行評分，而非針對產生的結果語句進行語句分析評分，來防止 GPT 自己腦補太多內容 (太容易走偏了 QQ)

↑但是 Prompt 會越寫越長，所以才嘗試用 ToT 來縮短 Prompt，看起來效果還不錯

我是想說用不同的語言思考可能會更好，因為訓練資料不同。
或者讓三個專家一個講英文一個講中文…之類

apmk: 對耶~感覺會很有趣，我有試過歷史學專家、哲學家和數學家之類的 （還有公司內的 Customer Service、IT 和 PM，模擬吵架），但沒有嘗試過不同語言