Chain-of-Thought (CoT)
Definition
Chain-of-Thought (CoT) Prompting fordert das Modell auf, Zwischenschritte der Argumentation auszugeben before die endgültige Antwort. Thwird oft improves accuracy on math, logic, and multi-step tasks.
Es ist one of the simplest Schlussfolgern patterns: keine Tools oder Suche, nur Prompting. Verwenden Sie es, wenn die Aufgabe von expliziten Steps (z. B. arithmetic, deduction) and you want to avoid Feinabstimmung. For exploring multiple solution paths, see tree of thoughts; for tool-using agents, see ReAct.
Funktionsweise
You give the model a question (or task) and ask it to reason Schritt für Schritt. The model erzeugt Step1, Step2, … (intermediate Schlussfolgern) and then the answer. Zero-shot CoT: add “Let’s think Schritt für Schritt” (or similar) to the prompt. Few-shot CoT: include example (question, steps, answer) triples sodass das model mimics the format. The model generates the sequence in one pass; you can optionally parse the steps and verify or score them. Quality depends on prompt engineering and model capability.
Anwendungsfälle
Chain-of-thought is most useful wenn die task benefits from explicit intermediate steps (Mathematik, Logik, Code).
- Math and arithmetic where intermediate steps improve accuracy
- Logic puzzles and multi-step deduction
- Code or Entwurf Schlussfolgern where showing steps aids debugging
Externe Dokumentation
- Chain-of-Thought Prompting (Wei et al.) — CoT paper
- OpenAI – Prompt engineering — Includes Schlussfolgern and schrittweise guidance