Nosso app resolve um problema comum que a maioria dos usuários de LLMs enfrenta. Muitos usuários têm interesse em receber recomendações de atividades ou em conhecer opções adequadas às necessidades específicas, considerando as preferências gerais ou circunstâncias específicas no momento da consulta. No entanto, muitas vezes eles ficam presos a respostas muito genéricas para atender às necessidades específicas.
Um assistente humano experiente resolveria isso da seguinte maneira: fazer perguntas pertinentes que ajudam a restringir as opções e coletar informações que podem não ser diretamente relevantes, mas que podem ajudar a entender o processo de pensamento do usuário. A primeira se refere a interações invertidas e a ativação da cadeia de pensamentos, que são áreas em que a IA avançou significativamente. Já o segundo, por outro lado, está relacionado a ferramentas de psicologia cognitiva e análise comportamental.
Utilizamos a capacidade do Gemini para realizar o primeiro, em que pegamos as consultas do usuário e as combinamos com uma solicitação para realizar interações invertidas. Isso é feito por chamadas de API. O último é mais delicado e não é simples, então usamos vários exemplos de treinamento selecionados com cuidado, criados com uma combinação do Gemini e ideias inspiradas na literatura de psicologia. Assim, nosso modelo utiliza as habilidades inatas do Gemini e os padrões de perguntas sugeridos pelos exemplos para direcionar a conversa com o usuário de uma forma que extraia melhor as informações relevantes e os guie para a saída desejada.
Desenvolvido com
Web/Chrome
Documentos Google e Google Drive
Equipe
Por
No Veni Vedi Vici, Venam Vidu Machi!
De
Estados Unidos
[[["Fácil de entender","easyToUnderstand","thumb-up"],["Meu problema foi resolvido","solvedMyProblem","thumb-up"],["Outro","otherUp","thumb-up"]],[["Não contém as informações de que eu preciso","missingTheInformationINeed","thumb-down"],["Muito complicado / etapas demais","tooComplicatedTooManySteps","thumb-down"],["Desatualizado","outOfDate","thumb-down"],["Problema na tradução","translationIssue","thumb-down"],["Problema com as amostras / o código","samplesCodeIssue","thumb-down"],["Outro","otherDown","thumb-down"]],[],[],[],null,["# MantisGem\n\n[More Apps](/competition/vote) \n\nMantisGem\n=========\n\nKnown Uncertainty to Unknown Certainty \nVote \nVoted!\nWhat it does\n\nOur app remedies a common problem that most users of LLMs face. Many users are interested in getting recommendations for activities or exploring options that are suitable to their specific needs given their general preferences or particular circumstances at the moment when they are querying. However, they are often stuck with responses that are too generic to serve their specific needs. \n\nA skilled human assistant would remedy this as follows: ask them pertinent questions that help them to narrow their options, and gather information that may not be directly relevant but could help understand the user's thought process. The former relates to flipped interactions and chain-of-thought prompting, which have been areas where AI has advanced significantly. The latter, on the other hand, relates to tools from cognitive psychology and behavioral analysis. \n\nWe have utilized the ability of Gemini to perform the former, where we take the user's queries and combine it with a request to perform flipped interactions. This is done through API calls. The latter is more delicate and not straightforward, and hence we have used several handpicked training examples designed using a combination of Gemini and ideas inspired by the psychology literature. Thus our model utilizes innate abilities of Gemini and questioning patterns suggested by the examples to direct the conversation with the user in a way that best extracts relevant information from the user and guides them to the desirable output. \nBuilt with\n\n- Web/Chrome\n- Google Docs \\& Google Drive \nTeam \nBy\n\nNo Veni Vedi Vici, Venam Vidu Machi! \nFrom\n\nUnited States \n[](/competition/vote)"]]