Plan-and-Solve Prompting (PS)- (PS – Planla ve Çöz İstemleme)

PS – Planla ve Çöz İstemleme, yapay zekâdan karmaşık bir görevi hemen yanıtlamasını istemek yerine, önce çözüm için bir plan oluşturmasını, ardından bu plana göre problemi sistematik biçimde çözmesini isteyen prompting tekniğidir.

Temel mantığı: Problem → Plan oluştur → Alt görevleri belirle → Planı uygula → Sonucu kontrol et → Nihai yanıt

Örneğin doğrudan: “Bu işletmenin satışlarının neden düştüğünü analiz et.” demek yerine Plan-and-Solve yaklaşımı şöyle uygulanabilir: “Bu problemi çözmek için önce kısa bir analiz planı oluştur. Hangi verilerin ve faktörlerin incelenmesi gerektiğini belirle. Ardından oluşturduğun planı sırasıyla uygula. Bulguları birbiriyle ilişkilendir ve son aşamada satış düşüşünün en olası nedenlerini ve çözüm önerilerini sun.”

Akademik kullanım örneği

Bir makalenin bilimsel tutarlılığını değerlendirmek için: “Bu makaleyi bilimsel açıdan değerlendirmek için önce bir inceleme planı oluştur. Araştırma problemi, literatür boşluğu, kuramsal çerçeve, hipotezler, yöntem, analizler, bulgular, tartışma ve sonuç arasındaki ilişkilerin nasıl kontrol edileceğini belirle. Daha sonra bu planı sırasıyla uygula. Tespit ettiğin sorunları ilgili bölüm ve gerekçesiyle raporla. Son aşamada genel bilimsel değerlendirmeyi sun.” Burada model önce neye bakacağını belirler, sonra değerlendirmeye geçer. Bu özellik özellikle uzun ve karmaşık akademik görevlerde önemlidir.

Sınav hazırlama örneği

“20 soruluk bir sınav hazırlamak için önce plan oluştur. Ders konularının ve öğrenme çıktılarının sorulara nasıl dağıtılacağını, Bloom düzeylerini ve zorluk oranlarını belirle. Ardından bu plana göre soruları oluştur. Son aşamada her soruyu tek doğru cevap, çeldirici kalitesi, kapsam geçerliliği ve öğrenme çıktısıyla uyum açısından kontrol et.”

Bu durumda süreç: Ders içeriğini incele → Sınav planını oluştur → Soru dağılımını belirle → Soruları üret → Kalite kontrolü yap şeklinde ilerler.

Plan-and-Solve ile Least-to-Most Arasındaki Fark

İki yaklaşım benzer görünse de aynı değildir.

Least-to-Most Prompting: Basit alt problem → Daha zor alt problem → Daha zor alt problem → Nihai çözüm . Problemin kolaydan zora doğru parçalanmasına odaklanır.

Plan-and-Solve Prompting: Problem → Çözüm planı → Planın sistematik uygulanması → Sonuç. Burada temel vurgu çözüm sürecinin önceden planlanmasıdır.

Skeleton of Thought ile Farkı

Skeleton of Thought daha çok yanıtın yapısını kurar: Soru → Yanıt iskeleti → İskeleti genişlet → Yanıt

Plan-and-Solve ise problemin nasıl çözüleceğini planlar: Soru → Çözüm stratejisi → Uygulama → Sonuç

Dolayısıyla Plan-and-Solve için en basit ifade: “Önce nasıl çözeceğini planla, sonra planı uygulayarak problemi çöz.”

Daha Güçlü Biçimi: PS+

Literatürde Plan-and-Solve+ (PS+) adı verilen daha ayrıntılı bir varyant da bulunmaktadır. PS+ yalnızca genel bir plan istemek yerine modelin problemdeki önemli değişkenleri ve sayısal bilgileri çıkarmasına, ara hesaplamalara dikkat etmesine ve çözüm sürecini daha ayrıntılı yürütmesine yönelik ek talimatlar içerir. Bu nedenle özellikle matematiksel ve çok aşamalı muhakeme problemlerinde PS+’ın amacı, standart Plan-and-Solve yaklaşımındaki eksik hesaplama veya önemli bir adımı atlama gibi hataları azaltmaktır.

Kısaca: Plan-and-Solve = Önce planla → Sonra çöz. Bu teknik, Chain-of-Thought yaklaşımında görülebilen eksik adım, hesaplama hatası ve anlamsal yanlış anlama problemlerini azaltmak amacıyla Wang ve arkadaşları tarafından geliştirilmiş ve çeşitli muhakeme veri setlerinde değerlendirilmiştir.

Kaynak: Wang, L., Xu, W., Lan, Y., Hu, Z., Lan, Y., Lee, R. K.-W., & Lim, E.-P. (2023). Plan-and-Solve Prompting: Improving Zero-Shot Chain-of-Thought Reasoning by Large Language Models. Proceedings of the 61st Annual Meeting of the Association for Computational Linguistics (ACL), 2609–2634.