我们探讨了通过生成思维链——即一系列中间推理步骤——如何显著提升大型语言模型执行复杂推理的能力。特别地，我们展示了在足够大的语言模型中，仅通过一种称为“思维链提示”（chain of thought prompting）的简单方法，便可自然地涌现出此类推理能力：即在提示中提供少量思维链示范作为示例。在三个大型语言模型上的实验表明，思维链提示显著提升了模型在算术推理、常识推理和符号推理等多种任务上的表现。其实际性能提升尤为显著：例如，仅使用八个思维链示例对一个参数规模达5400亿的语言模型进行提示，即可在数学应用题基准测试GSM8K上达到当前最优水平，甚至超越经过微调且配备验证器的GPT-3模型。