Uygulamamız, LLM'lerin çoğu kullanıcısının karşılaştığı yaygın bir sorunu giderir. Birçok kullanıcı, sorgu yaptıkları andaki genel tercihleri veya belirli koşulları göz önünde bulundurarak etkinliklerle ilgili öneriler almak ya da belirli ihtiyaçlarına uygun seçenekleri keşfetmek ister. Ancak genellikle, belirli ihtiyaçlarına hizmet edemeyecek kadar genel yanıtlarla karşılaşırlar.
İyi bir gerçek kişi asistan, bu sorunu şu şekilde çözer: Kullanıcıya seçeneklerini daraltmasına yardımcı olacak alakalı sorular sorar ve doğrudan alakalı olmasa da kullanıcının düşünce sürecini anlamaya yardımcı olabilecek bilgiler toplar. İlki, yapay zekanın önemli ölçüde ilerlediği alanlar olan ters etkileşimler ve düşünce zinciri istemleriyle ilgilidir. Diğer yandan, bilişsel psikoloji ve davranış analizi araçlarından yararlanan ikinci yaklaşım, kullanıcının sorgularını alıp ters etkileşim gerçekleştirme isteğiyle birleştirir.
Gemini'nin ilk yaklaşımı gerçekleştirme özelliğinden yararlandık. Bu yaklaşımda, kullanıcının sorgularını alıp ters etkileşim gerçekleştirme isteğiyle birleştiririz. Bu işlem API çağrıları aracılığıyla yapılır. İkincisi daha hassas ve basit bir konu değildir. Bu nedenle, Gemini ve psikoloji literatüründen ilham alan fikirlerin bir kombinasyonu kullanılarak tasarlanmış, özenle seçilmiş çeşitli eğitim örnekleri kullandık. Bu nedenle modelimiz, kullanıcıyla sohbeti kullanıcıdan en alakalı bilgileri en iyi şekilde alacak ve kullanıcıyı istenen sonuca yönlendirecek şekilde yönlendirmek için Gemini'nin doğal yeteneklerini ve örneklerde önerilen soru kalıplarını kullanır.
Aşağıdakilerle tasarlandı:
Web/Chrome
Google Dokümanlar ve Google Drive
Takım
Değişikliği yapan
Veni Vedi Vici değil, Venam Vidu Machi.
Nereden
Amerika Birleşik Devletleri
[[["Anlaması kolay","easyToUnderstand","thumb-up"],["Sorunumu çözdü","solvedMyProblem","thumb-up"],["Diğer","otherUp","thumb-up"]],[["İhtiyacım olan bilgiler yok","missingTheInformationINeed","thumb-down"],["Çok karmaşık / çok fazla adım var","tooComplicatedTooManySteps","thumb-down"],["Güncel değil","outOfDate","thumb-down"],["Çeviri sorunu","translationIssue","thumb-down"],["Örnek veya kod sorunu","samplesCodeIssue","thumb-down"],["Diğer","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)"]]
