Chain-of-Thought Prompting

本文介绍了Chain-of-Thought (CoT) Prompting的工作原理。首先解释了Prompt和LLM的基本概念，然后指出直接让模型给出答案容易出错的问题。接着详细说明CoT如何通过引导模型写出逐步推理过程来提高准确性，并给出了零样本（如添加“Let's think step by step”）和少样本（提供示例）两种方式。文章通过数学问题和逻辑推理的例子展示了CoT的效果，分析了其有效的原因（分解复杂问题、利用自回归特性），最后总结了适用场景和注意事项。