什么是 ChatGPT 中的链式思考提示？

2025年7月2日 | 阅读 5 分钟

在 ChatGPT 中，链式思考 (CoT) 提示是一种工程方法，旨在提高模型在需要逻辑、评估和根据提示中以人类语言提供的结构做出决策的任务中的表现。

What is Chain-of-Thought Prompting with ChatGPT?

链式思考提示如何工作？

CoT 从大型语言模型的能力中获得帮助，例如生成响应的能力。 CoT 通过模拟人类思考的方式（例如计划解决问题并按顺序解决问题）来实现这一点。

考虑一个解决物理方程的例子，该方程包含各种子步骤，这些子步骤对于获得最终结果至关重要。 CoT 提示从 LLM 中获得帮助，以使用问题解决过程并逐步解决问题。

链式思考提示的方法

有各种类型的 CoT 提示有助于人工智能 (AI) 模型解释其思考过程。每种类型都会引导模型以特定方式分解其推理。

1) 自动 CoT

在自动链式思考提示中，用户输入一些示例，然后 LLM 从输入示例中学习并自动生成类似于示例的响应，并为未来的响应生成进行学习。这是一个示例提示

Prompt

Calculate the speed of the train if it travels 60 miles in 2 hours. Find the speed of the train using the formula. 

2) 多模态 CoT

具有处理输入（而不是文本，例如音频、图像和视频）的能力的大型语言模型称为多模态 AI。考虑一下，我们提示一个图像，并向 LLM 提出图像问题。

Prompt

Provide the observations from the picture and discuss the trends and patterns in the image

3) 零次 CoT

使用此方法，用户不会为 LLM 输入任何示例作为参考，但用户要求 LLM“展示其工作”并要求进行解释以获得输出。尽管这种方法有效，但在输入复杂时，这种方法无效。它最适合简单的任务。

Prompt

4) 从最少到最多 CoT

借助这种方法，一个问题被分解成小的问题集，并且每个问题都以顺序方式输入到 LLM 中。然后，LLM 借助从先前问题中引用的答案轻松解决每个问题。

Prompt

For computing the total cost, first calculate price per item, then find the product of number of items, and finally add the tax. 

链式思考提示的优势

大型语言模型 (LLM) 可能会遇到复杂问题，这是由于试图一次处理所有问题造成的。这只是增加了模型理解并提供正确答案的可能性。
LLM 在书籍、文章和来自网络的各种内容的大量数据上进行训练。
CoT 提示通过让模型以具体且结构化的方式进行推理来帮助解决这个问题，从而减少了小错误，并使模型能够更好地解决复杂问题。
当模型通过写下其推理来解释时，很容易看出它在哪里犯了错误。这种无处不在的推理使开发人员和研究人员可以更轻松地查看和修复其工作中的这些错误。
CoT 提示也可以在模型的训练过程中给出。如果模型在包含逐步解决问题的数据上进行训练，则模型更有可能系统地和结构化地解决问题。

链式思考提示的局限性

CoT 提示使 AI 看起来像在解决问题，但它实际上并没有像人类一样思考。它只是根据模式预测下一个输出。
人工智能模型并没有正确理解它们的响应。即使响应看起来合乎逻辑，它们也可能仍然是错误的。
由于 AI 从互联网数据中学习，其逐步的答案也可以代表这些问题。
使用外部工具（例如 RAG）可以提高事实准确性，但不会自动提高模型的推理能力。
CoT 在大型模型中运行良好，但这些模型需要大量的计算能力。尚不清楚较小、更有效的模型是否可以有效地使用 CoT。
CoT 是一种提示策略，它有助于从已经训练好的模型中有效地提供答案。

如何使用链式思考提示？

让我们看一些示例，这些示例展示了如何在现实生活中使用链式思考提示。

自动 CoT

以下是一个显示如何使用自动 CoT 提示的示例

Prompt

problem: “Mary has 12 cookies and eats 4. How many does she have left?”
explanation: [
	“What is the starting number of cookies Mary has?”,
	“How many cookies does may eat?”,
	“How can we find the remaining cookies?”
]
Provide the answer of the problem using explanation prompt.

零次 CoT

让我们看一个例子来了解零次 CoT 提示的工作原理

Prompt

prompt: “Let’s solve this problem step-by-step. What information is required to evaluate? What operation can help to solve this? Explain the reasoning and provide the answer.”
Question: “If there are 10 birds on a branch and 3 fly away, how many birds are left?”
Generate the answer based on the prompt.

少次 CoT

这是一个少次 CoT 提示的示例

Few_shot_prompts = [“If John has 7 pencils and give away 2, how many are left? (Answer: 5)”, “Mary has 8 candies and eats 3. How many does she have left? (Answer: 5)”
New_prompt = “Now, solve this problem: Lisa has 11 markers and loses 4. How many does she have left?”
Generate the new_prompt response based on few shot prompts.

结论

链式思考 (CoT) 提示是一种强大的方法，通过逐步思考（类似于人类解决复杂问题的方式）来帮助人工智能模型（例如 ChatGPT）更清晰地解决问题。