🧠 آیا پیچیده‌تر همیشه بهتر است؟ پارادوکس سادگی در پرامپت‌نویسی! 📉

شاید فکر کنید برای گرفتن بهترین خروجی از مدل‌های زبانی (LLM)، حتماً باید از پرامپت‌های عجیب و غریب و چندلایه استفاده کنید؛ اما یک مطالعه جدید علمی نتایج جالبی را نشان می‌دهد.

پژوهشگران با بررسی ۸ تکنیک مختلف پرامپت‌نویسی روی ۱۰ بنچمارک معتبر، به این نتیجه رسیدند که:

✅ پرامپت‌های ساده (Baseline) در بسیاری از موارد حتی از روش‌های پیچیده عملکرد بهتری دارند!
✅ تکنیک‌های بسیار پیچیده (مثل Self-Analogical) در مقایسه با روش‌های ساده، گاهی تا ۳۱ درصد افت عملکرد نشان داده‌اند.
✅ فقط روش‌های بسیار خاص و مینیمال (مثل CoT-Expert) بهبود جزئی و معناداری ایجاد می‌کنند.

این یافته‌ها نشان می‌دهد که گاهی «سادگی»، کلیدِ واقعی برای رسیدن به دقت بالاتر در مدل‌های هوش مصنوعی است. پس شاید وقت آن رسیده که در پیچیدگی پرامپت‌های خود تجدیدنظر کنید! 🤔

منبع: arXiv NLP