Tilhørende videoer

Chain-of-thought, self-critique, tree-of-thoughts — ledsagende videoer

Artiklen sorterer disse teknikker efter den slags problem, de faktisk hjælper med, ikke efter hvilken der lyder mest imponerende. Disse videoer giver dig det samme billede fra to vinkler: en Anthropic-gennemgang af at bygge en struktureret, gennemtænkt prompt fra bunden og den oprindelige Tree-of-Thoughts-artikel forklaret af nogen, der forstår søgningen bag den.

Primært valg

24:52

Prompting 101 – grundlæggende prompting

Anthropic

To medlemmer af Anthropics Applied AI-team opbygger en real-world-prompt live og lægger rolle, strukturerede sektioner og eksplicitte tænkningstrin ind. Det er den mest troværdige demo på YouTube af "hvordan du bruger chain-of-thought uden at ritualisere det", og den gør artiklens pointe om at stoppe med at indsætte Let's think step by step i alt konkret.

Hvad du bør få ud af dette: Du kan lægge rolle, strukturerede sektioner og eksplicitte tænkningstrin ind i en prompt uden at gøre chain-of-thought til et ritual.

Forudsætninger: Solid grundlæggende prompting; artiklens teknik-taksonomi er den rigtige ramme på vej ind.

Bemærkning fra AI Expert: Valgt, fordi den viser tænkningstrin brugt inde i en rigtig promptbygning — antidoten til at indsætte "let's think step by step" overalt, som er artiklens kerneadvarsel.

Åbn videoside

Også værd at se

29:29

Tree of Thoughts: bevidst problemløsning med store sprogmodeller (fuld paper review)

Yannic Kilcher

Yannic gennemgår den oprindelige Tree-of-Thoughts-artikel fra Princeton/DeepMind — generate-score-prune-backtrack-sløjfen, hvorfor den løfter Game of 24-nøjagtighed fra 4% til 74%, og hvor teknikken holder op med at være sin 10× token-omkostning værd. Nyttig præcis, fordi den tvinger dig til at se ToT som en søgealgoritme, ikke et magisk prompt-præfiks.

Hvad du bør få ud af dette: Forstå generate-score-prune-ræsonnementsmønstre, og hvornår de er for dyre til rigtigt arbejde.

Forudsætninger: Fortrolig med tekniske paper-gennemgange; du behøver ikke at have læst paperet.

Bemærkning fra AI Expert: Medtaget for at gøre ToT konkret som en søgealgoritme med en rigtig token-regning — 10x-omkostningsgrænsen er det praktiske udbytte, ikke benchmark-tallene.

Åbn videoside