🧾 สรุปสูตรบทที่ 7

ทั้งบทสรุปได้ในประโยคเดียว:

คิด = เขียนกระดาษทดไว้ใน context · โหวต = ถามหลายรอบ · เครื่องมือ = เขียนใบสั่งให้โปรแกรม · agent = วนลูป และความผิดพลาดคูณสะสม

สิ่งที่ทำ	สูตร / หลัก	จำง่ายๆ
Chain-of-thought	งานต่อ token ≈ 2 × จำนวนพารามิเตอร์ (ไม่นับส่วน attention ที่โตตาม context)	เขียนขั้นกลาง = ได้คิดเพิ่ม
Reasoning model	ตรวจแล้วถูก = รางวัล 1 · ผิด = 0	ฝึกด้วยโจทย์ที่ตรวจได้
Self-consistency	$p^3+3p^2(1-p)$ (โหวต 3 ครั้ง)	แบบถูก/ผิด 2 ทาง: p > 0.5 โหวตช่วย · p < 0.5 โหวตทำร้าย
Tool calling	JSON → โปรแกรมทำ → ผลต่อท้าย context	โมเดลไม่ได้กดปุ่มเอง
Agent	$P=p^n$	ขั้นเยอะ ต้องมีจุดตรวจ
Multimodal	$(W/16)\times (H/16)$ แผ่น (ตัวอย่างแผ่นละ 16 พิกเซล)	ภาพใหญ่ = token เยอะ
Prompt injection	คำสั่งกับข้อมูลเป็น token ใน context เดียวกัน แยกได้ไม่สนิท	จำกัดสิทธิ์ + คนอนุมัติ
Eval	ผ่านกี่ข้อจาก 20–50 ข้อ	ต่าง 1 ข้อ ยังสรุปไม่ได้

ตัวเลขสำคัญในบทนี้

• โหวต 3 ครั้ง ที่ p 0.7 → 78.4%
• ขั้นละ 95% × 10 ขั้น → 59.9% · มีจุดตรวจ → 93.0%
• ภาพ 224 × 224 → 196 แผ่น
• prompt A/B 85.0% กับ 90.0% (ต่าง 1 ข้อ ยังสรุปไม่ได้)

หน้าถัดไปเป็นแบบทดสอบสั้นๆ 5 ข้อ ทำซ้ำได้ไม่จำกัด