タスクに応じてロールプレイさせるとChatGPTなどLLMの推論能力は普遍的に向上する | AIDB
大規模言語モデル（LLM）の分野では、その推論能力が日々向上しています。本記事では、最新の研究「Better Zero-Shot Reasoning with Role-Play Prompting」を紹介し、ロールプレイプロンプティングがLLMの推論能力をどのように向上させるのかを探ります。 参照論文情報 タイトル：Better Zero-Shot Reasoning with Role-Play Prompting 著者：Aobo Kong et al. 所属：レノボなど URL：https://arxiv.org/abs/2308.07702 関連研究 メタ認知をさせてLLMの能力を上げる手法「メタ認知プロンプティング」 大規模言語モデルのセーフガードを故意に突破する「脱獄プロンプト」とは 大規模言語モデルへのプロンプト、重要な情報はどこに書く？ ロールプレイとは ロールプレイプロン
仏紙が唸る「数学を世間に広める能力で、時枝正にかなう者はいない」 | 直感の逆を突き、驚かせ、人の未知への欲求を刺激する
スタンフォード大学の教授で数学者の時枝正（ときえだ・ただし）は、「おもちゃ」を使って数学や物理の定理を解き明かす。スープ皿や木のレール、大きなコインを手に、「ショー」とも呼べそうな講義をいかにも楽しげに始めるその姿に、聴衆は一瞬にして心を惹きつけられるという。 数学者には二つのタイプがいるという──。一つは、チョークを握り黒板に向かう、理論派タイプ。もう一つは、フェルトペンとホワイトボードを使う、どちらかというと応用数学系の人である。 その伝でいうと、時枝正は第三のタイプの数学者である。しかもこの第三のタイプは、世界広しといえども彼一人だけの可能性がある。 時枝は仕事道具をどれも煎餅の空箱から取り出すのだが、箱は「すべて同じブランドのもの」なのだそうだ。たとえばその中身は、見かけはそっくりなのに、転がるものと転がらないものがある二つの不思議な構造物。ひもや輪ゴム、クリップの扱い方は、まるで
Googleの生成型AI「Bard」、論理と推論で機能向上 スプレッドシートへのエクスポートも可能に
米Googleは6月7日（現地時間）、チャットAI「Google Bard」の数学的なタスク、コーディング、文字列操作の機能を向上させたと発表した。また、Bardの返答をGoogleスプレッドシートにエクスポートできるようにした。 数学的タスクの改善 Googleが「implicit code execution」（暗黙的コード実行）と名付けた新技術で、Bardは計算プロンプトを検出し、バックグラウンドでコードを実行できるようになった。その結果、数学的なタスクやコーディングに関する質問、文字列操作のプロンプトに対してより的確な答えを提示できるようになるとしている。 プロンプトの例としてGoogleは以下の3つを挙げた。 15683615を構成する素数は何か？ 私の貯蓄の増加率を計算してください。 「Lollipop」という言葉を逆にしてください。 Googleは、Bardのベースになってい
数学が得意な人は「公式を覚えなくてもその場で導出すれば良い」と言うがこれはマジで言っているのか
エヌユル @ncaq 数学得意な人って「公式なんて覚えなくてもその場で導出すれば良い」ってよく言うけどマジで言ってるの? 公式を導出するのにはその前提を相当知っている必要があるので、その場で導出するには公式を覚えるより多くを覚える必要があるとしか思えない 数学と暗記が苦手な人に真顔でアドバイスしてるの? エヌユル @ncaq それとも「公式が覚えられなくて数学のテストが一切出来ない/出来なかった」に対して「出来ない人は一生出来ないのは仕方ないね」と言いたくなくて誤魔化したいから? 数学と暗記が苦手な人がその場で導出とか必死に暗記するよりよほど難しいと思うんですが… エヌユル @ncaq 「一つの公式から複数の公式がたくさん導出できるってことですよ」と言う指摘がドシドシ寄せられてきますが、それその一つの公式は記憶する必要があるということで「公式を覚えなくても良い」とは全くならなくないですか…
「そうだ、数理最適化、やろう。」ってなった時にめっちゃ参考になったリンク集＆参考書｜CO-WRITE
数理最適化案件とAI/機械学習案件とのアナロジー 「やってみなければわからない」中で僕たちDSはどうするか本記事では表題に関して、脳筋系ゆるふわVTuberこと入社2年目DSの岡部がお送りいたします。（DS=データサイエンティスト） 発... ◆【理論・実践】（2021年時点で）オススメの参考書 最大のアップデートはこちらの2冊です。参考書は時代の流れに合わせていいものが出てくるものですね。もちろん過去の参考書にもいいものはたくさんありますが、日進月歩の分野である以上、新しいものに軍配が上がりやすい構図はあると思います。 しっかり学ぶ数理最適化 モデルからアルゴリズムまで Pythonではじめる数理最適化： ケーススタディでモデリングのスキルを身につけよう 以下それぞれの所感です 【理論】「最適化分野全般を知るための『最適解』」とも言われている教科書 僕が最適化にハマっていた当時は様々な本
数式がある文書作成に役立つ資料まとめ | Math Relish
なかなか上手い表題を考えるのが難しかったのと， 置かれた状況によって「役立つ」の尺度が変わる． また技術文書に限るものでもないように思ったので， 単に文書とした． なんとも正確ではないが， 何も知らずに数式を書き連ねていくよりはよいだろうということで， この表題で本稿を書くことにした． ご容赦願いたい． はじめに 今やテクノロジーは高度に進化して， 様々な分野で数式を用いたコミュニケーションが必須となっている． しかし一方で数式と聞いて，その「書き方」に関して注意が払われることは意外に少ない． 清書する！ 普段，数式に馴染みのある人でも，以下の時間が大部分を占めるのではなかろうか． 計算用紙に式を書く (宿題などの)レポートを書く 板書する これらはそれこそ学生や教員の垣根なく，日々体験していることだろう． だが次の機会がそうそうない． 清書する これは「不特定多数の人に向けて投稿する」と
Rによる一般化線型モデル（GLM）
はじめに 本記事では、Rによる一般化線型モデル解析を紹介する。線型回帰、ロジスティック回帰、ポアソン回帰を行う。入門的な記事で記されている内容に加え、係数ベクトルによる算出、対比検定、offset項を用いたポアソン回帰による率比推定を記載した。 【参考文献】 一般化線形モデル入門 原著第2版 Modern Epidemiology 4th edition 目次 一般線型モデルと一般化線型モデル Package 一般線型モデル（LM） Cervical Dystonia longitudinal dataset Variables データの読み込み 線型回帰分析 係数ベクトルによる算出 例1: treat_c2群の16週目のtwstrs 例2: treat_c2群の治療効果 対比検定 一般化線型モデル（GLM） Byar & Greene prostate cancer data Varia
基礎線形代数講座
4. 公開にあたって ●まえがきに代えて 本書は 株式会社 セガ にて行われた有志による勉強会用に用意された資料を一般に公開するもので す。勉強会の趣旨は いわゆる「大人の学び直し」であり、本書の場合は高校数学の超駆け足での復習 から始めて主に大学初年度で学ぶ線形代数の基礎の学び直し、および応用としての３次元回転の表現の 基礎の理解が目的となっています。広く知られていますように線形代数は微積分と並び理工系諸分野の 基礎となっており、だからこそ大学初年度において学ぶわけですが、大変残念なことに高校数学では微 積分と異なりベクトルや行列はどんどん隅に追いやられているのが実情です。 線形代数とは何かをひとことで言えば「線形（比例関係）な性質をもつ対象を代数の力で読み解く」 という体系であり、その最大の特徴は原理的に「解ける」ということにあります。現実の世界で起きて いる現象を表す方程式が線形な振
クォータニオンとは何ぞや？：基礎線形代数講座 - SEGA TECH Blog
---【追記：2022-04-01】--- 「基礎線形代数講座」のPDFファイルをこの記事から直接閲覧、ダウンロードできるようにしました。記事内後半の「公開先」に追記してあります。 --- 【追記ここまで】--- みなさん、はじめまして。技術本部 開発技術部のYです。 ひさびさの技術ブログ記事ですが、タイトルからお察しの通り、今回は数学のお話です。 ＃数学かよ って思った方、ごめんなさい（苦笑） 数学の勉強会 弊社では昨年、有志による隔週での数学の勉強会を行いました。ご多分に漏れず、コロナ禍の影響で会議室に集合しての勉強会は中断、再開の目処も立たず諸々の事情により残念ながら中止となり、用意した資料の配布および各自の自学ということになりました。 勉強会の内容は、高校数学の超駆け足での復習から始めて、主に大学初年度で学ぶ線形代数の基礎の学び直し 、および応用としての３次元回転の表現の基礎の理解
自分でシュッとデータ分析をできる人になろう - 「データ分析人材になる。」から学んだこと - Lean Baseball
新年あけましておめでとうございます🎍 年末年始は色々と手を動かしつつ*1, 積ん読を消化していたのですが, 昨年最後の読書🍺 特にこの本にオッってなりまして読み終わる寸前には, これもうすぐ読み終わるのですが、なぜ積ん読にしてたワイは🤔 ってぐらい名著でした📖 https://t.co/RgTILDGc7r— Shinichi Nakagawa (@shinyorke) 2021年1月3日 ...という感想が出る程度にこちらの書籍に興奮しました. データ分析人材になる。 目指すは「ビジネストランスレーター」 作者:木田 浩理,伊藤 豪,高階 勇人,山田 紘史発売日: 2020/10/15メディア: Kindle版 データを使って仕事をする人は（データサイエンティストに限らず）サラッと読んだほうがええやぞ！ というぐらい良い本だったという話を2021年最初のブログとして書きたいと思い
【2020年版・初心者向け】独学でAIエンジニアになりたい人向けのオススメの勉強方法 - Qiita
AI Academy Bootcamp ６ヶ月35,000円にてチャットで質問し放題の環境で、機械学習やデータ分析が学べるサービスを提供しております。 数十名在籍しているデータサイエンティストや機械学習エンジニアに質問し放題の環境でデータ分析、統計、機械学習、SQL等が学べます。AI人材に必要なスキルを効率よく体系的に身に付けたい方は是非ご検討ください！ https://aiacademy.jp/bootcamp この記事の対象者 ・将来Pythonでデータ解析をしたいと考えているが、何から手をつけたら良いか知りたい方 ・将来、人工知能に関連した業務に携わりたいと検討中の初学者の方 ・未経験者からAIエンジニアになりたく、そのためにどのような知識が必要か知りたい方 ・AIプログラミングスクールや専門学校に進学しようか考えているが、独学で勉強できる方法を知りたいという方 対象ではない方 ・既
ある数が「○の倍数か」を見分けるための“万能”な方法
ある数が割り切れるかどうか、つまりnの倍数であるかどうかを知りたい場面は結構たくさんある。分数を約分するときや、身近なところだと割り勘を計算するときなどだ。 場面の多さに比して、ふつう倍数の判定は難しい。例えば「64811は11の倍数か？」に瞬時に答えられる人はそう多くないはずだ。 ただし、いくつかの小さい整数に対しては、その倍数に関する法則が広く知られていて簡単に見分けられることがある。 例えば、2の倍数なら必ず一の位は2の倍数（偶数）になる。3の倍数であれば、各桁の数字を足し合わせると和が3の倍数になる（例：357→3+5+7＝15は3の倍数）。特に3の倍数の判定法は簡単なので知っておくと便利だ。 ほかのいくつかの素数に対しても、簡単な判定法があるので以下の画像にまとめてみた。また、合成数の判定はこれらを組み合わせて行えばよい（例えば6の倍数は2と3どちらの倍数でもあることを判定するこ
統計学入門−目次
最終更新日：2022年08月24日 前口上へ 第1章へ webmaster@snap-tck.com Copyleft (C) 2000 SNAP(Sugimoto Norio Art Production)
無料で自宅でやりなおす→小学校の算数・数学 | 学校・教育算数から大学数学までweb上教材をリストにした 読書猿Classic: between / beyond readers
先日の記事 誰もがどこかでつまずいた→小学校の算数から大学数学まで126の難所を16種類に分類した 読書猿Classic: between / beyond readers を読んだ人から「やりなおし魂に火をつけるだけつけて放置するのは無責任だ、何をやればいいのか教えろ」という問い合わせがあった。 小学校の算数レベルから微積分など高校＋αまで、ついている予備テストをやれば、どの章は飛ばしていいか、どこの章のどの問題を勉強すればよいかを教えてくれる往年の名著（が復刻してた） を紹介しようと思ったが（科学を志さない人にも勧められる）、買い損なった場合と人のために、web上の教材をリストにして、先の記事の補いとする。 （2017.9.6 リンク切れ等、訂正しました） 小学校〜高校 小学校の算数 中学校の数学 高校数学 大学数学基礎 小学校〜高校 小学校「算数科」，中学校・高等学校「数学科」の内容
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
