在操场上做数学

您是否尝试过使用 OpenAI playground 求解 x？

例如，求解 x：

3 x + 4 = 66

首先，您需要将带有 x 的项隔离到左侧像这样边：

3 x + (4 - 4) = 66 - 4

然后：

3 x = 62

得到结果：

x = 62 / 3

... 很简单吧？不幸的是，您不会总是从 Playground 获得相同的结果。

我们目前的语言模型与数学作斗争

当被要求解决数学问题时，模型还不能始终如一地执行。换句话说，如果您使用 text-davinci-002 在我们的 Playground 中尝试这个示例，您在执行数学运算时可能会得到不一致的答案。几代之后你会得到正确答案，但我们不建议你依赖 GPT 模型来完成数学任务。

你可以做些什么来提高我们 Playground 中的输出一致性

免责声明：即使实现下面的所有内容到目前为止，我们可以推动当前模型。

1. GPT 模型非常擅长识别模式，但如果没有足够的数据，它们就会尝试他们会尽力解释和重新创建一个看起来最有可能的模式。使用最少的数据，它可能会产生各种各样的潜在输出。

2. 像家庭作业一样设计的提示，通常会有明确的说明任务和预期输出，并且可能包括示例任务以进一步建立围绕任务和输出格式的期望。 text-davinci-002 模型最适合指令，因此请求应以指令开头的格式呈现。如果没有这个，模型可能无法理解您的期望，并且会有点混乱。

使用“求解for x where 3x + 4 = 66" 示例：

要改进此提示，我们可以添加以下内容：

1. 从指令开始，例如“给定下面的代数方程，求解提供的变量”，然后测试以查看结果。

2. 在指令中附加对预期输出的描述，“以 'x=' 的格式提供答案”，然后再次测试

3. 如果结果仍然不一致，请在说明中附加示例问题。此示例将帮助建立您希望模型识别和遵循的模式，“问题：3x+4=66，求解 x。 Answer: x=”

4. 最后的结果会是这样的提示：

   /li>

给定下面的代数方程，求解提供的变量。以“x=”的格式提供答案。 
题1：y-1=0，求y
答案1：y=1
---
题2：3x+4=66，求x。
 >答案2：x=

数学题整体推荐

div>

我们知道，当被要求解决数学问题时，我们当前可用的模型还不能始终如一地执行。在进行代数方程式等数学运算时，考虑暂时依赖 https://www.wolframalpha.com/ 等工具。

给定下面的代数方程，求解提供的变量。以“x=”的格式提供答案。 
题1：y-1=0，求y
答案1：y=1
---
题2：3x+4=66，求x。
 >答案2：x=

我们知道，当被要求解决数学问题时，我们当前可用的模型还不能始终如一地执行。在进行代数方程式等数学运算时，考虑暂时依赖 https://www.wolframalpha.com/ 等工具。

给定下面的代数方程，求解提供的变量。以“x=”的格式提供答案。 
题1：y-1=0，求y
答案1：y=1
---
题2：3x+4=66，求x。
 >答案2：x=

我们知道，当被要求解决数学问题时，我们当前可用的模型还不能始终如一地执行。在进行代数方程式等数学运算时，考虑暂时依赖 https://www.wolframalpha.com/ 等工具。

First you'd isolate terms with x to the left hand side like so:

3 x + (4 - 4) = 66 - 4

then:

3 x = 62

to get the result:

x = 62 / 3

... simple, right? Unfortunately, you won’t always get the same result from the Playground.

Our language models currently struggle with math

The models are not yet capable at performing consistently when asked to solve math problems. In other words if you were to try this example in our Playground using text-davinci-002 you will likely get inconsistent answers when performing math. With some generations you will get the correct answer, however we do not recommend you depend on the GPT models for math tasks.

What you can do to improve output consistency in our Playground

Disclaimer: Even implementing everything below there is only so far we can push the current model.

1. The GPT models are great at recognizing patterns, but without enough data they’ll try their best to interpret and recreate a pattern that seems most probable. With minimal data it’s likely to produce a wide variety of potential outputs.

2. A prompt designed like a homework assignment, will generally have clear instructions on the task and expected output, and may include an example task to further establish the expectations around the task and output format. The text-davinci-002 model does best with an instruction, so the request should be presented in a format that starts with an instruction. Without this the model may not understand your expectations and it will be a bit confused.

Using the "solve for x where 3x + 4 = 66" example:

To improve this prompt we can add the following:

1. Start with an instruction like, “Given the algebraic equation below, solve for the provided variable”, then test to see the results.

2. Append to the instruction a description of the expected output, “Provide the answer in the format of ‘x=<insert answer>’“, then test once more

3. If results are still inconsistent, append an example problem to the instructions. This example will help establish the pattern that you want the model to recognize and follow, “Problem: 3x+4=66, solve for x. <newline> Answer: x=”

4. The final result will be a prompt that looks like this:

Overall recommendation for math problems

We are aware our currently available models are not yet capable at performing consistently when asked to solve math problems. Consider relying on tools like https://www.wolframalpha.com/ for now when doing math such as algebraic equations.