链式思维在大语言模型中如何实现？

1. 零样本链式思维

• 实现方式：在提示词末尾添加"让我们一步步思考"
• 工作原理：利用指令注入，触发模型的内置推理模式
• 适用场景：简单到中等复杂度的推理任务，无需额外示例

2. 少样本链式思维

• 实现方式：在提示词中提供 2-5 个带有完整推理过程的示例
• 示例格式：问题 → 推理步骤 1 → 推理步骤 2 → ... → 最终答案
• 适用场景：复杂推理任务、需要特定推理范式的场景

3. 自一致性

• 实现方式：对同一问题进行多次采样（通常 5-40 次），生成多条推理路径
• 聚合策略：采用多数投票选择出现频率最高的答案
• 效果提升：在 GSM8K 上，自一致性将准确率从约 57% 提升至约 74.4%（Wang et al., 2022）
• 成本考量：计算成本为单一推理的 5-40 倍，但对高精度需求场景值得投入