Naukowcy opublikowali badanie pokazujące, że łańcuchowe wykonywanie poleceń wobec modeli AI daje znacznie lepsze wyniki niż tradycyjne pojedyncze prompty w generowaniu kompleksowych materiałów naukowych.
Problematem, który badacze chcieli rozwiązać, jest automatyczne streszczanie rosnącej liczby publikacji naukowych. Tradycyjne podejście polegające na wpisaniu jednego zdania-instrukcji często zawodzi - czasami zupełnie nie generuje odpowiedzi, czasami tworzy tekst niskiej jakości. Zespół rozwinął system AI SciBrief, który zamiast jednego prompta przepuszcza tekst przez wiele etapów przetwarzania, gdzie każdy krok przygotowuje dane dla następnego. To bardziej przypomina przepisane procedury dla człowieka niż jedna instrukcja.
Wyniki były przekonujące. Prompt chaining nie zawiódł w żadnym z testów (100% sukces), podczas gdy optymalizowany baseline zawiódł w połowie prób. Jakość również była wyraźnie lepsza - nowy system osiągnął wynik ROUGE-L F1 0.507 wobec 0.486 dla pojedynczego prompta, głównie dzięki lepszej precyzji. Badanie ma znaczenie dla praktycznego stosowania AI w nauce, gdzie niezawodność jest krytyczna. Prompt chaining staje się standardową techniką dla skomplikowanych zadań, zmniejszając ryzyko błędów inherentne dla monolitycznych instrukcji.