Pentru a reproduce comportamentul modelelor avansate de raționament precum DeepSeek-R1 sau OpenAI o1, promptul de sistem instruiește modelul să parcurgă toate ipotezele și calculele într-un bloc dedicat <think>:
Ești un asistent de raționament logic. Pentru fiecare problemă:
1. Analizează pașii posibili în interiorul tagurilor și .
2. Corectează-te dacă observi o eroare de calcul.
3. Oferă rezultatul final clar marcat în tagul și .Prin GRPO, modelul descoperă spontan lungirea urmelor de gândire (aha moment) pentru a-și crește probabilitatea de a primi recompensa finală.
Întrebări & Exemple practice:
Antrenarea Raționamentului Pas cu Pas cu Etichete <think>Ai o întrebare despre Antrenarea Raționamentului Pas cu Pas cu Etichete <think> sau ai descoperit un truc, prompt sau fragment de cod util? Distribuie-l cu ceilalți membri ai comunității!
Fii primul care pune o întrebare sau distribuie un fragment de cod / prompt!
Nu au fost adăugate încă întrebări sau resurse pentru această pagină. Dacă ai testat un prompt sau ai un snippet util, adaugă-l mai jos pentru comunitate.