推論モデル向けプロンプトエンジニアリング（o3、R1、Claude extended thinking） — 関連動画

AI Explained

o1、ひいてはo3、R1、Claude extended thinkingが、次トークン予測に強化学習を重ねて正しい多段階の回答を評価する仕組みと、それがモデルへの指示方法に何を意味するかを、誇張なく最も明快に説明しています。この動画を見れば、記事の「『think step by step』と言うのをやめ、仕様を書く」という助言が恣意的なものではないと分かります。

このセクションから得られるもの: 推論モデル向けのプロンプトでは、目に見える思考の連鎖を求めるのではなく、問題、制約、成功基準を指定すべき理由を理解できます。

視聴または事前に知っておくべきもの: 基本的なプロンプティングの経験と、oシリーズ、Claude extended thinking、R1などのモデル名に関する知識。

OpenAI

o1チームが、強化学習による訓練中にモデルが自らの推論を問い直し始めた瞬間について3分間で説明します。思考の連鎖はプロンプト内ではなくモデル内部で行われるようになったという記事の主張について、一次情報を確認できます。

このセクションから得られるもの: 推論モデルが通常のチャットモデルと異なるものになった当初の製品および研究上の位置付けを確認できます。

視聴または事前に知っておくべきもの: 先に最もおすすめの動画を視聴するか、関連記事の推論モデルに関するセクションを読んでください。