Chain of Thought

O prompting Chain-of-Thought (CoT) é uma técnica avançada projetada para aprimorar as habilidades de raciocínio de Modelos de Linguagem Grandes (LLMs). Em vez de pedir diretamente uma resposta, o prompting CoT incentiva o modelo a gerar uma série de etapas de raciocínio intermediárias que levam à saída final. Isso é tipicamente alcançado fornecendo alguns exemplos no prompt que demonstram esse processo de raciocínio passo a passo, ou simplesmente anexando frases como "Vamos pensar passo a passo" à consulta do usuário. O princípio subjacente é que, ao externalizar o processo de pensamento, o LLM pode decompor melhor problemas complexos, rastrear sua própria progressão lógica e reduzir a probabilidade de cometer erros. Este método demonstrou melhorias significativas no desempenho em tarefas que exigem raciocínio aritmético, de senso comum e simbólico. A desvantagem é um aumento no comprimento da saída gerada e potencialmente custos computacionais mais altos devido ao processo de geração estendido. No entanto, a precisão e a interpretabilidade aprimoradas geralmente superam essas desvantagens, tornando o CoT uma ferramenta valiosa para alavancar LLMs em cenários complexos de resolução de problemas.