大语言模型入门（五）——思维链

一、什么是思维链

        思维链（Chain-of-Thought，简称CoT）是一种在大型语言模型（LLMs）中使用的技术，旨在提升模型在复杂推理任务上的表现。这种方法通过模拟人类解决问题时的思考过程，将问题分解为一系列子问题，然后逐步解决这些子问题，最终得出结论。我们都知道大模型生成的结果是根据概率进行计算的，并不能真的像人类一样自主思考（至少目前是这样），所以对于推理任务，大模型并不擅长。因此，给多点时间或者指引给大模型，才能提高生成结果的可靠性。

二、思维链的原理及类型

1、原理

• 问题分解：将一个复杂的问题分解成一系列更小、更简单的子问题。
• 逐步推理：对每个子问题进行逐一推理，生成中间步骤。
• 得出结论：基于中间步骤，得出最终答案。

2、思维链的类型

• Zero-shot CoT：在没有任何人工标注的推理步骤的情况下，模型直接生成推理步骤和最终答案。
• Few-shot CoT：提供少量的示例，包含输入、CoT推理步骤和输出，模型根据这些示例生成新的推理步骤和答案。

三、如何实现思维链

        如果我们使用的是大模型智能助手，那么在对话的过程中，我们可以引导模型一步步思考，并让它把思考的过程也输出来。比如这里，我们让大模型进行简单的一个累加计算，但是让它直接给答案（虽然还是罗列了数字，但是计算结果是错的）。