Multi-Expert Prompting

Step-by-Step Guide to Using the Multi-Expert Prompting Approach

Deutsch: siehe unten

 

The manual is based on this research paper.

 


Step 1: Generate Expert Roles

Start by generating expert roles tailored to your specific question. Use this prompt:

Please generate three expert roles that are most suited to comprehensively answering the following question: [Insert your question here].

The model will respond with three expert roles and brief descriptions of their focus.


Step 2: Collect Responses from Experts

Request answers from each of the generated experts. Use this prompt for each role:

As [Expert Role], please provide an answer to the following question: [Insert your question here].

Repeat this step for all three roles. You should now have three distinct answers from the experts.


Step 3: Aggregate and Refine the Responses

After collecting the responses, ask the model to aggregate and refine them into a single, cohesive answer. Use this prompt:

Here are responses from three experts to the question: [Insert your question here].
1. [Answer from Expert 1]
2. [Answer from Expert 2]
3. [Answer from Expert 3]

Please perform the following steps:
– Identify common themes or points across the answers.
– Resolve any contradictions, prioritizing the most plausible explanations.
– Integrate unique and valuable insights from each expert.
– Synthesize a final, comprehensive answer based on the above.

The model will consolidate the inputs into a unified response.


Additional Notes

  • Why three experts? According to the research, three experts strike the right balance between diversity of thought and manageability of responses.
  • Objective: This process leverages the collaborative potential of large language models to enhance the accuracy, reliability, and quality of generated answers.

For further details and technical insights, refer to the original research paper: https://arxiv.org/abs/2411.00492.

 

 



Schritt-für-Schritt-Anleitung zur Verwendung des Multi-Expert-Prompting-Ansatzes

English: see above

 

Die Anleitung basiert auf diesem Forschungsartikel.


Schritt 1: Generieren von Expertenrollen

Beginnen Sie damit, Expertenrollen zu generieren, die speziell auf Ihre Frage zugeschnitten sind. Verwenden Sie diesen Prompt:

Bitte generiere drei Expertenrollen, die am besten geeignet sind, die folgende Frage umfassend zu beantworten: [Fügen Sie Ihre Frage hier ein].

Das Modell wird drei Expertenrollen und kurze Beschreibungen ihres Fokus zurückgeben.


Schritt 2: Antworten von den Experten einholen

Bitten Sie jeden der generierten Experten um eine Antwort. Verwenden Sie diesen Prompt für jede Rolle:

Als [Expertenrolle] geben Sie bitte eine Antwort auf die folgende Frage: [Fügen Sie Ihre Frage hier ein].

Wiederholen Sie diesen Schritt für alle drei Rollen. Sie sollten nun drei unterschiedliche Antworten von den Experten haben.


Schritt 3: Antworten zusammenfassen und verfeinern

Nachdem Sie die Antworten gesammelt haben, bitten Sie das Modell, diese in eine einzige, kohärente Antwort zu integrieren. Verwenden Sie diesen Prompt:

Hier sind Antworten von drei Experten auf die Frage: [Fügen Sie Ihre Frage hier ein].
1. [Antwort des Experten 1]
2. [Antwort des Experten 2]
3. [Antwort des Experten 3]

Bitte führen Sie die folgenden Schritte durch:
– Identifizieren Sie gemeinsame Themen oder Punkte in den Antworten.
– Lösen Sie Widersprüche auf, wobei die plausibelsten Erklärungen priorisiert werden.
– Integrieren Sie einzigartige und wertvolle Einblicke von jedem Experten.
– Erstellen Sie basierend auf den oben genannten Punkten eine abschließende, umfassende Antwort.

Das Modell wird die Eingaben in einer einheitlichen Antwort zusammenfassen.


Zusätzliche Hinweise

  • Warum drei Experten? Laut der Forschung bieten drei Experten die richtige Balance zwischen Meinungsvielfalt und der Handhabbarkeit der Antworten.
  • Ziel: Dieser Prozess nutzt das kollaborative Potenzial großer Sprachmodelle, um die Genauigkeit, Zuverlässigkeit und Qualität der generierten Antworten zu verbessern.

Für weitere Details und technische Einblicke lesen Sie den Originalartikel: https://arxiv.org/abs/2411.00492.