تُعرف النماذج اللغوية (LMs) التي يقل عدد معاملاتها عن 100 مليار بـ "الأداء الضعيف" في التفكير التسلسلي (CoT) مقارنة بالنماذج الكبيرة عند حل المهام غير المعروفة. وفي هذا العمل، نهدف إلى تمكين النماذج الأصغر من امتلاك قدرة التفكير خطوة بخطوة من خلال التدريب الموجه بالتعليمات باستخدام تبريرات CoT. ولتحقيق هذا الهدف، نُقدِّم أولًا مجموعة بيانات جديدة للتدريب الموجه بالتعليمات تُسمى "مجموعة CoT"، والتي تُكمّل مجموعة Flan Collection الحالية (التي تحتوي فقط على 9 مهام CoT) بـ 1.84 مليون تبرير تفصيلي تغطي 1060 مهمة إضافية. ونُظهر أن التدريب الدقيق باستخدام مجموعة CoT على نموذج Flan-T5 (3B و11B) يُعزز قدرة النماذج الأصغر على التفكير التسلسلي في المهام غير المعروفة. وعلى معيار BIG-Bench-Hard (BBH)، نُبلغ عن تحسن متوسط قدره +4.34% (لنموذج Flan-T5 3B) و+2.60% (لنموذج Flan-T5 11B) من حيث دقة المهمة في الحالة الصفرية (zero-shot). علاوةً على ذلك، نُظهر أن التدريب الموجه بالتعليمات باستخدام مجموعة CoT يمنح النماذج القدرة على التعلم القليل (few-shot) بشكل أقوى في أربع مهام متخصصة، ما يُحقق تحسنًا بنسبة +2.24% (لـ Flan-T5 3B) و+2.37% (لـ Flan-T5 11B)، حتى يتفوق على ChatGPT عند استخدام أمثلة توضيحية حتى الحد الأقصى للطول، بفارق +13.98%. يُتاح كود العمل، وبيانات مجموعة CoT، ونقاط التحقق (checkpoints) للنماذج بشكل عام للجمهور.