Thinking-GPT4O เป็นโครงการ GPT-4O ที่ได้รับการปรับปรุงซึ่งช่วยให้ 4O มีกระบวนการคิดแบบครอบคลุมเป็นธรรมชาติและไม่มีการกรองผ่าน Propt
โครงการมีวัตถุประสงค์เพื่อปรับปรุงคุณภาพและความถูกต้องของการตอบสนองโดยการชี้นำ GPT4O สำหรับการคิดในเชิงลึกและเหมาะสำหรับการเขียนโปรแกรมและงานที่เกี่ยวข้องกับเทคโนโลยีที่หลากหลาย
โครงการนี้ได้รับแรงบันดาลใจจากโครงการความคิด
หากโครงการนี้เป็นประโยชน์กับคุณโปรดให้ดาวฟรีแก่ฉัน ~
เพื่อแสดงให้เห็นถึงการปรับปรุง การคิด-GPT4O เมื่อเทียบกับ 4O และ O1-MINI ดั้งเดิมเราได้ทำการทดสอบเปรียบเทียบจำนวนมาก นี่คือภาพหน้าจอของผลการทดสอบของปัญหา "ไก่ก่อนหรือไข่ก่อน"
เมื่อ O1-Mini ดั้งเดิมจัดการงานที่ซับซ้อนความเร็วในการตอบสนองจะช้าและคำตอบน้อยลงและความแม่นยำมี จำกัด
ผ่าน Propt ที่ได้รับการปรับปรุงแม้กระทั่ง 4O ก็สามารถมองเห็นตาเปล่าไปยังตาเปล่าด้วยประสิทธิภาพที่ดีขึ้นอย่างมีนัยสำคัญและความเข้าใจที่ดีขึ้นและการดำเนินการตามคำแนะนำของผู้ใช้
Thinking-GPT4O นั้นเกินกว่า 4O และ O1-Miniz ดั้งเดิมในแง่ของคุณภาพการตอบสนองความแม่นยำและความลึกของการคิด
การดำเนินงานของ Thinking-GPT4O ขึ้นอยู่กับขั้นตอนหลักต่อไปนี้:
การติดต่อเบื้องต้น : รุ่นแรกแสดงข้อมูลของผู้ใช้อีกครั้งในคำพูดของตัวเองสร้างความประทับใจเบื้องต้นของปัญหาพิจารณาพื้นหลังของปัญหาแผนที่ที่รู้จักและไม่รู้จักองค์ประกอบเข้าใจถึงเหตุผลที่ผู้ใช้ทำให้ปัญหาและ ระบุสิ่งที่คลุมเครือซึ่งต้องการสถานที่ชี้แจง
การสำรวจพื้นที่ปัญหา : แบบจำลองแบ่งปัญหาหรืองานเป็นส่วนประกอบหลักระบุข้อกำหนดที่ชัดเจนและโดยนัยพิจารณาข้อ จำกัด และข้อ จำกัด คิดเกี่ยวกับลักษณะที่ควรมีไว้สำหรับการตอบสนองที่ประสบความสำเร็จและแมปขอบเขตของความรู้ที่จำเป็นในการแก้ไขข้อสอบ
การสร้างสมมติฐานหลายครั้ง : สร้างคำอธิบายการสืบค้นที่เป็นไปได้หลายอย่างพิจารณาวิธีการแก้ปัญหาที่แตกต่างกันคิดเกี่ยวกับมุมมองทางเลือกที่เป็นไปได้รักษาสมมติฐานการทำงานหลายอย่างหลีกเลี่ยงความมุ่งมั่นก่อนวัยอันควรในการอธิบายเพียงครั้งเดียวและค้นหาวิธีการผสมผสานที่สร้างสรรค์
กระบวนการค้นพบตามธรรมชาติ : การคิดกระแสเหมือนเรื่องราวของนักสืบและการค้นพบแต่ละครั้งจะนำไปสู่สิ่งต่อไป เริ่มต้นด้วยแง่มุมที่ชัดเจนให้ความสนใจกับรูปแบบหรือการเชื่อมต่อคำถามสมมติฐานเริ่มต้นสร้างการเชื่อมต่อใหม่ทบทวนการคิดล่วงหน้าด้วยความเข้าใจใหม่และสร้างข้อมูลเชิงลึกที่ลึกซึ้งยิ่งขึ้น
การทดสอบและการตรวจสอบ : ในระหว่างกระบวนการคิดแบบจำลองจะตั้งคำถามสมมติฐานของตัวเองทดสอบข้อสรุปเบื้องต้นค้นหาข้อบกพร่องหรือช่องว่างที่อาจเกิดขึ้นพิจารณามุมมองทางเลือกตรวจสอบความสอดคล้องของการใช้เหตุผลและตรวจสอบความสมบูรณ์ของความเข้าใจ
การรับรู้ข้อผิดพลาดและการแก้ไข : เมื่อมีการค้นพบข้อผิดพลาดหรือข้อบกพร่องในการคิดแบบจำลองจะรับทราบโดยธรรมชาติอธิบายข้อบกพร่องหรือข้อผิดพลาดของการคิดก่อนหน้านี้แสดงให้เห็นว่าความเข้าใจใหม่พัฒนาขึ้นและรวมความเข้าใจที่แก้ไขไว้ในภาพขนาดใหญ่ขึ้น
การสังเคราะห์ความรู้ : เชื่อมต่อข้อมูลที่แตกต่างกันแสดงให้เห็นว่าแง่มุมต่าง ๆ เกี่ยวข้องกันอย่างไรสร้างภาพรวมที่สอดคล้องกันระบุหลักการหรือรูปแบบที่สำคัญและให้ความสนใจกับอิทธิพลหรือผลลัพธ์ที่สำคัญ
การจดจำรูปแบบและการวิเคราะห์ : มองหารูปแบบในข้อมูลเปรียบเทียบรูปแบบในตัวอย่างที่รู้จักทดสอบความสอดคล้องของรูปแบบพิจารณาข้อยกเว้นหรือสถานการณ์พิเศษใช้รูปแบบเพื่อเป็นแนวทางในการตรวจสอบเพิ่มเติมและค้นหาแอปพลิเคชันที่สร้างสรรค์
การติดตามความคืบหน้า : ตรวจสอบและรักษาความตระหนักที่ชัดเจนเกี่ยวกับเนื้อหาที่จัดตั้งขึ้นเรื่องที่รอดำเนินการข้อสรุปในปัจจุบันคำถามที่เปิดกว้างหรือความไม่แน่นอนและความก้าวหน้าไปสู่ความเข้าใจที่ครอบคลุม
การคิดแบบเรียกซ้ำ : ใช้การวิเคราะห์ที่พิถีพิถันเหมือนกันในระดับมหภาคและระดับจุลภาคใช้การจดจำรูปแบบในระดับที่แตกต่างกันรักษาความสอดคล้องในขณะที่ช่วยให้วิธีการปรับขนาดปรับขนาดแสดงให้เห็นว่าการวิเคราะห์โดยละเอียดสามารถรองรับข้อสรุปที่กว้างขึ้นได้อย่างไร
ปัจจุบันมีการเปิดตัวเวอร์ชันพร้อมใช้งานทั้งภาษาจีนและภาษาอังกฤษในร้าน GPT อย่างเป็นทางการและผู้ใช้ OpenAI สามารถใช้งานได้ฟรี:
ลองรุ่น Origin: Thinking-gpt
GPT โดยใช้โปรโตคอลการคิดภาษาจีน: CN-Thinking-GPT
แน่นอนคุณยังสามารถเลือกที่จะแก้ไขและส่ง ProPT สำหรับโมเดลของคุณสำหรับการอ้างอิงโคลนโครงการนี้ในพื้นที่และเปิดโฟลเดอร์ ProPT เพื่อดูไฟล์ MD
เนื่องจากขีดจำกัดความยาวของ GPT ที่กำหนดเองสำหรับ Propt (8000 อักขระ) ความสามารถของเวอร์ชันต้นทางอาจไม่สามารถเทียบได้กับเวอร์ชันภาษาจีน
ผู้เขียนจะไม่รับผิดชอบต่อผลใด ๆ ที่เกิดขึ้นจากการใช้งาน
มีส่วนร่วมในรหัสคำถามรายงานหรือให้คำแนะนำคุณลักษณะ โปรดอ่านคู่มือการบริจาคเพื่อดูรายละเอียดก่อน
โครงการนี้ได้รับใบอนุญาตตามใบอนุญาต MIT