# Self-Consistency: कई sample लें, बहुमत लें — Prompt Engineering

Source: https://www.geekswithgeeks.com/hi/prompt-engineering/r-vote

> वोटिंग से random reasoning त्रुटियाँ घटाएँ।

## कई रास्ते, एक उत्तर

Sampling की randomness के कारण मॉडल कुछ बार सही reasoning कर सकता है और कुछ बार चूक सकता है। **Self-consistency** वही prompt कई बार (जैसे 5 से 10) मध्यम temperature पर चलाती है, हर अंतिम उत्तर निकालती है और **सबसे आम** उत्तर लौटाती है। यह उन समस्याओं में सबसे ज़्यादा मदद करती है जिनका एक जाँचने योग्य उत्तर हो (गणित, वर्गीकरण, निष्कर्षण) और प्रति सवाल कई गुना महँगी है, इसलिए उच्च-मूल्य मामलों में उपयोग करें। सहमति कम हो तो उसे अनिश्चितता का संकेत मानें और मनुष्य या मज़बूत तरीक़े को सौंपें।

## बहुमत वोट, चलाकर

मैंने यह सादा-Python (सिर्फ़ standard library) उदाहरण चलाया। सात sampled उत्तर (प्रक्रिया दिखाने को गढ़े) 42 चार बार, 41 दो बार और 40 एक बार देते हैं; बहुमत 42 है और 7 में से 4 सहमत हैं, मध्यम स्तर जिसकी आप समीक्षा करना चाहें।

```python
from collections import Counter

samples = ["42", "42", "41", "42", "40", "42", "41"]
counts = Counter(samples)
answer, votes = counts.most_common(1)[0]
print(dict(counts))
print("majority answer:", answer, f"({votes}/{len(samples)} agree)")

```

Output:

```
{'42': 4, '41': 2, '40': 1}
majority answer: 42 (4/7 agree)
```

**Quiz:** Samples के बीच कम सहमति क्या सुझाती है?

- [ ] API बंद है
- [ ] उत्तर निश्चित रूप से सही है
- [ ] Prompt चलने के लिए बहुत छोटा है
- [x] मॉडल अनिश्चित है और मामले की समीक्षा चाहिए हो सकती है

*Answer:* मॉडल अनिश्चित है और मामले की समीक्षा चाहिए हो सकती है. असहमति उपयोगी अनिश्चितता संकेत है।