Chain of Thought (CoT) は、大規模な言語モデルの論理的推論機能を強化するテクノロジーです。この概念はもともと Google Brain の上級研究員である Jason Wei によって提案され、論文で発表されました。思考連鎖プロンプトが大規模な言語モデルで推論を引き出す』について詳しく解説しています。 CoT テクノロジーは、複雑な問題を一連の段階的なサブ問題解決策に分解することにより、詳細な推論プロセスを生成するようにモデルをガイドします。これにより、算術推論、常識的推論、記号推論などの複雑なタスクにおけるモデルのパフォーマンスが向上します。
CoT テクノロジーの主な利点は、モデルの解釈可能性が大幅に向上し、特に複数の事実や情報の一部の組み合わせが必要な問題において、モデルが複雑な論理的推論を実行できるようになることです。これは人間の推論プロセスを模倣しており、通常は直接答えに到達するのではなく、一連の思考、分析、推論のステップを通じて行われます。 CoT 手法は、手動のサンプル アノテーションに基づく少数ショット CoT と人為的なサンプル アノテーションを使用しないゼロショット CoT の 2 つの形式に分けられます。フューショット CoT は少数の例を提供することで推論プロセスを示しますが、ゼロショット CoT は特定のプロンプト (「ステップごとに考えてみましょう」など) を使用してモデルを刺激し、追加の例なしで推論チェーンを生成します。