大模型prompt技巧——思维链（Chain-of-Thought）

1、Zero-shot、One-shot、Few-shot 与fintune

prompt的时候给出例子答案，然后再让模型回答。

2、zero-shot-CoT

"Let's think step by step"有奇迹效果

3、多数投票提高CoT性能------自洽性（Self-consistency）

多个思维链，然后取结果最多的作为最终的

4. LtM （Least to Most prompting）提示

将问题分解为多个子问题，然后将子问题的答案加入到提示中，继续prompt,可以理解为更细化的多步step-by-step

5、将CoT加入fintinue中

低成本的增强已有大模型的能力

6、用大模型的CoT指导小模型，提升小模型的能力

7、局限性

首先，思维链必须在模型规模足够大时才能涌现。

其次，思维链的应用领域是有限的。主要有效于数学问题，逻辑推理等

参考：https://zhuanlan.zhihu.com/p/629087587?utm_psn=1709590071853006848