- 综合排序
- 最热优先
- 最新优先
- 来自专栏自然语言处理
10 种最新的思维链（Chain-of-Thought, CoT）增强方法
该方法通过引入结构化、防御性的推理示例，提高大语言模型在面对被污染或误导信息时的稳健性。 📄 论文链接：https://arxiv.org/abs/2504.20769
1.3K10编辑于 2025-05-06 - 来自专栏机器学习原理
Plan-and-Solve Prompting: Improving Zero-Shot Chain-of-Thought Reasoning by Large Language Models
This paper introduces a new prompting strategy called Plan-and-Solve (PS) prompting to improve the performance of large language models (LLMs) in multi-step reasoning tasks. The authors propose two components of PS prompting: devising a plan to divide the task into smaller subtasks, and carrying out the subtasks according to the plan. They also extend PS prompting with more detailed instructions to address calculation errors and improve the quality of generated reasoning steps, resulting in PS+ prompting.
59221编辑于 2023-07-20 - 来自专栏NLP/KG
解锁LLMs的“思考”能力：Chain-of-Thought(CoT) 技术推动复杂推理的新发展
解锁LLMs的“思考”能力：Chain-of-Thought(CoT) 技术推动复杂推理的新发展 1.简介 Chain-of-Thought(CoT)是一种改进的Prompt技术，目的在于提升大模型LLMs 起源：CoT技术的概念是在Google的论文“Chain-of-Thought Prompting Elicits Reasoning in Large Language Models”中被首次提出。 （demonstrations顺序对ICL影响较大） 1.1.2 CoT的增强策略 COT（Chain-of-Thought）的增强策略主要包括以下几种： 结合验证和细化： 思维链推理过程中可能会出现误差 4.Reference Chain-of-Thought Prompting Elicits Reasoning in Large Language Models Large language models
2.7K10编辑于 2024-06-15 - 来自专栏DeepHub IMBA
AI推理方法演进：Chain-of-Thought、Tree-of-Thought与Graph-of-Thought技术对比分析
Google在2022年提出Chain-of-Thought（CoT），通过让模型"展示工作过程"大幅提升了推理表现。 Chain-of-Thought：让AI展示推理步骤 CoT的核心机制是要求模型输出中间推理过程，而不是直接给出答案。
27110编辑于 2025-11-15 - 来自专栏#大模型热点基础知识
什么是思维链（Chain-of-Thought）？为什么让AI一步步思考更准确？
什么是思维链（Chain-of-Thought）？为什么让AI"一步步思考"更准确？一、简介思维链（Chain-of-Thought,CoT）是一种引导大语言模型通过中间推理步骤来解决问题的提示技术。
36620编辑于 2026-03-18 - 来自专栏#大模型热点基础知识
什么是思维链（Chain-of-Thought）？为什么让AI一步步思考更准确？
什么是思维链（Chain-of-Thought）？为什么让AI"一步步思考"更准确？一、简介思维链（Chain-of-Thought,CoT）是一种引导大语言模型通过中间推理步骤来解决问题的提示技术。
21310编辑于 2026-03-18 - 来自专栏AI SPPECH
82_Chain-of-Thought：推理步骤拆解
一、Chain-of-Thought的基本概念 1.1 什么是Chain-of-Thought Chain-of-Thought（CoT，思维链）是一种特殊类型的提示技术，旨在通过引导语言模型生成一系列中间推理步骤来解决复杂问题 的类型与变体 2.1 少样本Chain-of-Thought (Few-shot CoT) 少样本Chain-of-Thought是最基本的CoT形式，它通过在提示中提供几个带有详细推理步骤的示例，引导模型在解决新问题时也生成类似的推理过程 根据用户的风险偏好和投资目标，提供个性化的投资建议 ## 七、Chain-of-Thought的未来发展趋势 ### 7.1 技术发展方向 2025年，Chain-of-Thought技术正在向以下几个方向发展 总结与展望 Chain-of-Thought提示技术已经成为增强大语言模型推理能力的重要方法。 Domain-Specific Chain-of-Thought Optimization.
41610编辑于 2025-11-16 - 来自专栏深度学习自然语言处理
谷歌提出Flan-T5，一个模型解决所有NLP任务
需要注意的是这里有9个任务是需要进行推理的任务，即Chain-of-thought （CoT）任务。 输入输出格式 如上图所示，根据 “是否需要进行推理 （CoT）” 以及 “是否需要提供示例（Few-shot）” 可将输入输出划分成四种类型： chain-of-thought : ❎ and few-shot : ❎ （图中左上） 输入：指令 + 问题 输出：答案 chain-of-thought : ✅ and few-shot: ❎ （图中右上） 输入：指令 + CoT引导（by reasoning step by step） + 问题 输出：理由 + 答案 chain-of-thought: ❎ and few-shot: ✅ （图中左下） 输入：指令 + 示例问题 + 示例问题回答 + 指令 + 问题 输出：答案 chain-of-thought: ✅ and few-shot: ✅（图中右下） 输入：指令 + CoT引导 + 示例问题 + 示例问题理由 + 示例问题回答 + 指令 + CoT引导 +
6.5K21编辑于 2023-01-10 - 来自专栏NLP/KG
大语言模型的预训练：思维链(Chain-of-thought，CoT)定义原理详解、Zero-shot CoT、Few-shot CoT 以及在LLM上应
大语言模型的预训练6：思维链(Chain-of-thought，CoT)定义原理详解、Zero-shot CoT、Few-shot CoT 以及在LLM上应用 1.思维链定义 背景 在 2017-2019 定义 思维链 (Chain-of-thought，CoT) 的概念是在 Google 的论文 "Chain-of-Thought Prompting Elicits Reasoning in Large
4.8K40编辑于 2023-07-20 - 来自专栏机器之心
复杂推理：大语言模型的北极星能力
Chain-of-Thought Prompting Elicits Reasoning in Large Language Models. Chain-of-thought 是指在回答之前生成推理。 Answer-only 是指没有链式思维，直接给答案。 Zero-shot 可能低估模型性能，尤其是对于不支持 Zero-shot chain-of-thought 的（“让我们逐步思考”）的模型。 Chain-of-thought Hub，这是一个正在进行的工作，希望成为评估语言模型推理能力的统一平台。 最后，我们讨论了如何评估模型的推理能力，并介绍了 chain-of-thought hub，这是一个正在进行的项目，旨在统一评估语言模型的推理性能。
71110编辑于 2023-05-09 - 来自专栏AI 大数据
让GPT当逻辑老师：手把手教你用大模型搞定知识推理
大模型驱动的知识推理与逻辑分析Chain-of-Thought（CoT）提示技术Chain-of-Thought（CoT）是一种提示技术，通过引导模型生成中间推理步骤，帮助其更好地理解和解决复杂问题。 总结通过结合Chain-of-Thought提示技术和知识图谱，大语言模型在知识推理方面展现出强大的能力。这种方法不仅提高了模型的推理准确性，还增强了其可解释性，为解决复杂的现实问题提供了新的思路。
28500编辑于 2025-05-16 - 来自专栏后端开发从入门到入魔
基于大模型思维链（Chain-of-Thought）技术的定制化思维链提示和定向刺激提示的心理咨询场景定向ai智能应用
了 解大模型思维链（Chain-of-Thought）技术 解释大模型思维链技术的基本概念和原理 大模型思维链技术是一种基于人工智能的方法，旨在模拟人类思维的连贯性和逻辑性。
1.7K10编辑于 2024-03-01 - 来自专栏开源服务指南
支持编写任何类型的爬虫：基于 Golang 的优雅爬虫框架 | 开源日报 No.216
chain-of-thought-hubhttps://github.com/FranxYao/chain-of-thought-hub Stars: 2.3k License: MIT 这个项目是 Chain-of-Thought 为开发者提供针对不同类型问题进行基准测试和比较分析 鼓励社区成员参与贡献，填充数据表中缺失信息或建议新任务/基准测试来清晰区分模型性能 考虑到最先进的大规模语言模型，在工业界和学术界具有重要影响力 提供丰富而全面的链式思维促进 (chain-of-thought
37210编辑于 2024-03-18 - 来自专栏MySQL解决方案工程师
提示工程Prompt Engineering
Chain-of-Thought：一种让模型逐步推理和展示其思考过程的方法。它强调模型不仅仅给出最终的结果，还按照一定的逻辑顺序逐步展示得出结果的中间步骤和思考过程。 以下是运用 Chain-of-Thought 来解决这个问题的过程： 首先，小明原本有 5 个网球。 然后，他买了 2 盒网球，每盒有 3 个，那么他新买的网球数量为 2×3=6 个。 与 Chain-of-Thought（思维链）相比，Least-to-Most Prompting 在长度泛化和困难泛化方面表现更好，能够处理比训练样本更长和更困难的问题。
34810编辑于 2024-06-14 - 来自专栏AI.NET极客圈
Semantic Kernel 实战系列（四） - 提示工程（Prompt Engineering）
到2025年7月，Semantic Kernel的1.16.0版本已经支持更精细的提示控制，比如通过Few-Shot和Chain-of-Thought技巧提升模型的推理能力。 Chain-of-Thought则鼓励模型逐步思考，就像调试代码时一步步追踪变量值。它通过提示要求模型分解问题，提高复杂推理的准确率。 这在知识管理App中很常见，我们用Semantic Kernel结合Few-Shot和Chain-of-Thought。 await kernel.InvokePromptAsync(prompt, new(settings), arguments); Console.WriteLine(result); 系统先调用搜索，Chain-of-Thought
53710编辑于 2025-08-12 - 来自专栏算法一只狗
GLM-PC和Operator对比：哪个Agent效果更好？
从整体架构来看，Operator 的输入包括用户命令和当前扫描到的屏幕状态信息，随后利用 COT（Chain-of-Thought）思维链 进行推理，总结出需要执行的步骤，并最终操作浏览器完成相应任务。 推理（Reasoning）基于 链式思维（Chain-of-Thought, COT），CUA 结合 当前和历史截图 以及 已执行的操作步骤 进行推理。
72110编辑于 2025-02-05 - 来自专栏AI人工智能
大模型驱动的智能体：从GPT-4到o1的能力跃升
特别是Chain-of-Thought(CoT)推理链和Tree-of-Thought(ToT)思维树技术的引入，让智能体具备了类人的逐步推理能力。 tree_of_thought_reasoning(query, context) def _chain_of_thought_reasoning(self, query, context): """Chain-of-Thought +96%代码生成质量67.0%81.2%+21%逻辑推理深度3-4层8-10层+150%复杂问题分解良好优秀+40%推理时间(秒)2.315.7+582%Token消耗比1.0x3.2x+220%二、Chain-of-Thought vs Tree-of-Thought推理方法深度对比2.1 推理机制的本质差异Chain-of-Thought(CoT)推理采用线性序列化的思考模式，每一步推理都基于前一步的结果。 关键词: 智能体(Agent)、大模型(Large Language Model)、推理链(Chain-of-Thought, CoT)、思维树(Tree-of-Thought, ToT)、多模态(Multimodal
28610编辑于 2025-07-14 - 来自专栏自然语言处理
解锁的搜索与推理新模式：DeepSearch与DeepResearch的区别
o1 使用的是一步步思考的方式，也就是 Chain-of-Thought 方法，最终得出一个结论。因此，o1 模型在解决复杂问题时非常有优势。 举个例子，如果让模型执行类似 Chain-of-Thought（思维链）的“边思考边推理”过程，最终的输出质量可以显著提升。
1.2K10编辑于 2025-03-22 - 来自专栏深度学习自然语言处理
每日论文速递 | UCB提出RAFT-检索增强微调训练方法
此外，RAFT还结合了链式思考（chain-of-thought）风格的响应来增强模型的表现。 链式思考 (Chain-of-Thought, CoT)：RAFT强调生成包含推理过程的答案，这样的答案不仅给出了最终答案，还展示了如何基于引用的相关文本来得出这个答案。 链式思考 (Chain-of-Thought, CoT) 的影响：进行了消融实验来分析链式思考方法对模型性能的影响。比较了包含CoT的RAFT模型与不包含CoT的RAFT模型的性能。 RAFT: 详细介绍了RAFT方法，包括如何准备训练数据，如何进行微调，以及如何通过链式思考（Chain-of-Thought, CoT）生成答案。
1.5K22编辑于 2024-04-11 - 来自专栏我爱计算机视觉
Cantor（领唱员）:厦门大学提出多模态思维链新架构
关注公众号，发现CV技术之美 本文分享论文Cantor: Inspiring Multimodal Chain-of-Thought of MLLM，提出一种名为“领唱员（Cantor）”的决策感知多模态思维链架构 论文地址: https://arxiv.org/abs/2404.16033 项目地址: https://ggg0919.github.io/cantor/ 介绍 思想链（Chain-of-Thought 在论文《Cantor: Inspiring Multimodal Chain-of-Thought of MLLM》中，他们阐述了这一架构如何赋予多模态大语言模型（Multimodal Large Language
46810编辑于 2024-05-20
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号