LangChainのLangSmithのWaitingListに登録してから、「LangChain Release Notes」なるメールが届くようになった。
その中で、「Step-Back Prompting」というキーワードが目に入り、なんだろうと思って、リンク先の記事を読んでみました。

Step-Back Prompting

ステップバック・プロンプティングという名前からすると、「１歩戻るプロンプト手法」ってことなんだろうけど、、どういうこと？？

・・・ってことで、リンク先を読んでみました。

なるほど。
ユーザがある質問をする場合、たいていのケースで詳細なレベルでの質問に陥りがちで、部分的な詳細情報に引っ張られて、とんちんかんな回答になることがある。
これを回避する手法がステップバック・プロンプティングってことかな。

簡単に読み解いた内容を記すと、こんな感じかな。

• ユーザが何か質問をする。

• その質問をより高いレベルの概念や原理に抽象化する。

• その抽象化レベルでの質問に回答する。

• それらを用いて、当初の質問に回答する。

以下は、Google Deepmindの論文からの抜粋です。

真ん中のOriginal Questionに対して、そのまま回答しているのが左下のOriginal Anwer、思考の連鎖を利用しているのが、左上のChain-of-Thoughtですが、どちらも回答は誤りのようです。
それに対して、Step-Back Promtingでは、Step1:Abstractionで、質問内容を抽象化し、１歩戻った視点の質問を考えます。（これをStep-Back Questionと呼んでいます。）
次に、このStep-Back Questionに対する回答を生成します。（これをStep-Back Answerと呼びます。
このStep-BackのQAも含めて、元の質問に対する回答を生成する（これがFinal Answer）と、質問の詳細な情報に引っ張られずに、概念的に聞きたいことを把握したうえで、回答するという動きをするようです。

上記の論文の例では、１つは、物理現象に関する質問に対して、その原理に関する問いに１歩戻り、原理を把握して、最終回答を導いている。もう一つは、経歴について、その人の経歴全体を把握してから回答しています。

なんか、LangChainのAgentっぽい流れだなと思ったら、どうやら、このプロンプティングをLangChainに実装しまたというのが、もともともリリースノートにつながっているようでした。（そりゃそうか・・・^^;;;

とりあえず、初投稿なので、いったんここまでで終わります。
（テスト投稿的な意味合いもあるので・・・）