⚡ 大语言模型ID:
cot思维链 CoT
Chain-of-Thought
🎯核心定义
CoT (Chain-of-Thought, 思维链) 提示法:在示例中显式给出中间推理步骤,引导模型把复杂问题分解为逐步推理而非直接给答案。少样本形式是在 2-8 个示例中展示完整推理链 (few-shot CoT),零样本形式是追加一句 “Let's think step by step” 触发逐步推理。关键实证:CoT 能力在参数量约 时才显著涌现,小模型收益甚微。
💡使用场景
数学、逻辑、多步推理任务;与 self-consistency 结合(采样多条 CoT 推理路径,多数投票选答案)可进一步提升准确率;也是 o1 类推理模型的基础思想。
⚡解决的核心痛点
直接生成答案在复杂任务上准确率低且无法定位错误;CoT 把“一步大 O 推理”转为多步小步推理,给模型显式的中间计算过程,降低错误中间状态的影响,同时推理过程可解释、可调试。
🎯5 个高频面试考点 (Exam Points)
1
Few-shot CoT 与 Zero-shot CoT 各是什么?为什么 “Let's think step by step” 有效?
2
CoT 的涌现性与参数量有什么关系?为什么小模型收益不大?
3
Self-consistency 的原理?为什么多数投票能提高准确率?
4
CoT 的局限有哪些?什么时候 CoT 无效甚至有害?
5
CoT 与推理时扩展 (test-time compute) 的关系?
📖 关联深度指南:📄 reasoning-and-cot →
更新于 2026-08-12🎯
🚀 开始本考点专项刷题 ➔检验攻克程度：针对「思维链 CoT」专属刷题排雷
做单选排雷题、推导选项机制，答错自动收录进专属错题本。