Google Bard научился логике и причинно-следственной связи

Бард стал лучше решать математические задачи, лучше разбираться в кодинге и манипулировать строками с помощью неявного выполнения кода.

Ещё у него появилась новая функция, которая позволяет экспортировать результаты задачи в Google Таблицы.

К примеру, если вы попросите Bard создать таблицу — например, создать таблицу для регистрации добровольцев приюта для животных — её можно сразу экспортировать в Таблицы.

Улучшенные ответы для расширенных рассуждений и математических подсказок

Новый метод «Неявное выполнение кода» помогает Bard запускать код в фоновом режиме.

В результате он точнее решает математические и логические задачи. Теперь Bard лучше отвечает на такие промпты, как:

1. Каковы простые делители числа 15683615?
2. Рассчитайте скорость роста моих сбережений.
3. Переверни слово «Lollipop» для меня.

Улучшение логики и навыков рассуждения

Модели LLM подобны механизмам прогнозирования — при получении промпта они генерируют ответ, предсказывая, какие слова, скорее всего, будут следующими.

В результате они сильны в творческих задачах, но слабее в логике и математике.

Новый метод позволяет Bard генерировать и выполнять код, улучшающий его логические и математические способности. Подход черпает вдохновение из хорошо изученной дихотомии человеческого интеллекта, особенно описанной в книге Даниэля Канемана «Мышление, быстрое и медленное» — разделение мышления на «Систему 1» и «Систему 2».

Система 1 — быстрая и легкая. Она подобна джазовому музыканту, который импровизирует на сцене или человеку, который печатает вслепую, думает о слове и смотрит, как оно появляется на экране.

Система 2 — медленная и обдуманная. Она подобна человеку, который выполняет деление большого числа или учится играть на музыкальном инструменте.

По этой аналогии, LLM Системы 1 — это модели, которые быстро производят текст, но без глубоких размышлений.

Система 2 позволяет повысить точность ответов Bard. Благодаря неявному выполнению кода, Bard рассчитывает промпты, которые могут выиграть от логического кода, пишет код, выполняет его и использует результат для создания более точного ответа.

Метод повысил точность ответов Bard на словесные и математические задачи примерно на 30% во время испытаний внутри компании.

Даже с этими улучшениями Bard не всегда будет делать это правильно — например, Bard может не сгенерировать код или код может быть неправильным.

Это улучшение помогает сделать Bard полезнее с помощью структурированных, логически управляемых шагов.