您的关注是对我最大的支持👇        

零尝试思维链（Zero-shot-CoT）提示是对思维链（CoT）提示的一种后续方法，引入了一个极其简单的零尝试提示。他们发现，通过在问题的结尾添加“让我们一步一步地思考。”这些词，LLM能够生成一个回答问题的思维链。从这个思维链中，他们能够提取出更准确的答案。

       以下是一些演示（仅执行推理提取）。这个第一个演示展示了GPT-3（davinci-003）未能解决一个简单的数学问题，而第二个演示使用了零尝试-CoT提示并成功解决了这个问题。请尝试这些示例。请注意，与CoT提示相比，零尝试-CoT提示要简单得多。不正确的提示词：

如果约翰有5个梨，然后吃掉2个，再买5个，然后给朋友3个，他还有多少个梨？

AI返回结果：

约翰有8个梨。

正确的提示词：

如果约翰有5个梨，然后吃掉2个，再买5个，然后给朋友3个，他还有多少个梨？ 让我们一步一步地思考。

AI返回结果：

约翰开始有5个梨。他吃了2个梨，剩下3个梨。他买了5个梨，总共有8个梨。他给了朋友3个梨，所以他只剩下5个梨。

结果

        零尝试-CoT在改进算术、常识和符号推理任务的结果上也非常有效。然而，不足为奇的是，它通常不如CoT提示有效。零尝试-CoT的一个重要用例是当很难获得CoT提示的少量示例时。

兴趣消融 

       小岛等人尝试了许多不同的零尝试-CoT提示（例如“让我们通过分步骤解决这个问题。”或“让我们从逻辑上思考一下。”），但他们发现“让我们一步一步地思考。”对于他们选择的任务最有效。

注释 

       提取步骤通常必须是任务特定的，这使得零尝试-CoT不如一开始看起来的那么通用。        有时候，零尝试-CoT样式的提示在改善生成任务的完成长度方面也是有效的。例如，考虑标准提示“写一个关于一只青蛙和一朵蘑菇成为朋友的故事。”在这个提示的结尾添加“让我们一步一步地思考。”会导致更长的完成。

明日预告

《思维链的自洽性-AI基础系列文章第29篇》