思维链 CoT：让模型先想再答

一句话回答

CoT（Chain-of-Thought）就是让模型在给最终答案前，先把中间推理步骤写出来。这一步"显式思考"能把多步推理准确率拉高一大截，是推理型大模型（数学/逻辑/代码）的标配技巧。

什么是 CoT

Few-shot CoT

Wei 2022 原始做法：在 few-shot 示例里，不只给"问→答"，而是给"问→推理步骤→答"。模型照猫画虎，对新问题也生成推理链。

Zero-shot CoT

Kojima 2022 发现：连示例都不用，只要在问题后加一句 "Let's think step by step."（中文"让我们一步步思考"），模型就会自发写出推理链。

进阶变体

为什么有效

• 化复合为串行：把难的一步到位，拆成多个小子步，每步更容易对。
• 利用更多计算：推理链越长，模型"想"的 token 越多，容量被用足。
• 减少 shortcut：逼模型走完逻辑，而非靠表面模式蒙答案。
• 可调试：人能看中间步骤，错在哪一步一目了然。

局限与适用

总结

• CoT = 让模型显式写出推理链，显著提升复杂推理。
• Few-shot CoT 给带步骤的示例；Zero-shot CoT 一句"一步步想"即可。
• Self-Consistency 多采样投票、ToT 建树搜索，进一步提上限。
• 适用推理型任务，注意编造步骤与成本。