Cos'è
Il chain-of-thought prompting chiede a un modello del linguaggio di scrivere i passaggi intermedi del ragionamento prima della risposta finale. Wei e colleghi hanno mostrato che dare pochi esempi svolti con il ragionamento scritto migliora i risultati in problemi di aritmetica, buon senso e simbolici, per modelli abbastanza grandi. I modelli più recenti sono addestrati a ragionare così da soli.
A cosa serve
Problemi a più passaggi: matematica, rompicapi logici, pianificazione, debug del codice, domande la cui risposta dipende da più fatti. Rende anche la risposta più facile da controllare, perché puoi leggere i passaggi. I passaggi scritti non sono sempre un ritratto fedele di come il modello ci è arrivato, quindi non trattarli come una prova.
Come si fa
- Enuncia il problema per intero e chiedi un ragionamento passo passo prima della risposta ("ragiona passo passo, poi dai la risposta finale su una riga a parte").
- Per compiti più difficili o insoliti, aggiungi uno o due esempi svolti che mostrano lo stile di ragionamento che vuoi.
- Leggi i passaggi e trova il primo sbagliato; un solo errore iniziale rovina tutto ciò che segue.
- Chiedi al modello di controllare il proprio risultato, o di calcolarlo in un secondo modo, oppure usa uno strumento come una calcolatrice per l'aritmetica esatta.
- Confronta più tentativi: se le risposte differiscono, fidati di quella a cui arrivano più tentativi e riguarda i disaccordi.
- Per le domande semplici lascia perdere: ragionare di più costa tempo e denaro e può aggiungere confusione.