第 10 题：Chain-of-Thought（CoT）提示的原理与有效性
第 10 题：Chain-of-Thought（CoT）提示的原理与有效性
题目
解释 Chain-of-Thought（CoT）提示的原理及其有效性来源。
一、什么是 CoT 提示？
Chain-of-Thought（CoT） 是让模型在给出最终答案前，先一步步写出推理过程（“思维链”），再给出结论。有两种常见用法：
- Zero-shot CoT：在 prompt 里直接写“Let's think step by step”或“请逐步推理”，让模型自己先写步骤再写答案。
- Few-shot CoT：在 prompt 里给几个带中间推理步骤的示例（例如数学题：先写“首先…然后…因此…”再写答案），让模型模仿这种“先推理、后答案”的格式。
核心都是：把“推理过程”显式变成文本，让模型生成，而不是直接跳到最后答案。
二、原理（在做什么）
- 任务分解：把复杂问题拆成多步，每步只做局部推断（如先算子式、再组合），降低单步难度，避免一步到位时的错误放大。
- 格式对齐：人类解题也是“步骤 → 答案”；让模型按这个顺序生成，和预训练里大量解题、推导类文本的格式一致，容易激活“先推后答”的生成模式。
- 错误暴露：中间步骤写在明处，错在哪一步更容易发现；若直接给最终答案，很难知道是推理错还是计算错。
面试可能问：“CoT 和
剩余60%内容，订阅专栏后可继续查看/也可单篇购买
Ai Agent：面试300问 文章被收录于专栏
《AI Agent 300 问》专为备战 AI Agent 相关岗位的求职者打造，适配校招、社招全场景，覆盖算法研发、产品、解决方案等全岗位。专栏汇总 300 道大厂高频面试真题，全维度覆盖提示工程、智能体规划推理、记忆机制、工具调用、多智能体协作、框架落地、行业应用等核心领域，拆解考点底层逻辑，分享一线实战经验，助你一站式通关高薪面试。
