本文主要是介绍大模型prompt技巧——思维链（Chain-of-Thought），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
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
这篇关于大模型prompt技巧——思维链（Chain-of-Thought）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
