Prompt de Passo para Trás para Raciocínio Aprimorado de LLM

Ao enfrentar uma questão complexa, não a responda diretamente. Em vez disso, primeiro 'dê um passo atrás' e abstraia o problema para um nível mais alto. Faça uma pergunta mais ampla e geral que forneça contexto útil. Por exemplo, em vez de resolver um problema específico de física, pergunte 'Qual é o princípio físico subjacente?' Ou, em vez de perguntar sobre um evento específico na vida de uma pessoa, pergunte 'Qual é o histórico educacional geral dela?' Combine a resposta a essa pergunta abstrata com a questão original como contexto para o LLM. Isso fornece informações contextuais de alta qualidade que ajudam o modelo a raciocinar com mais precisão. Essa técnica difere do Chain-of-Thought (CoT), que decompõe um problema em etapas; o Step-Back Prompting, em vez disso, reformula o problema a partir de uma perspectiva mais elevada para gerar contexto relevante.