解决问题是人类与生俱来的能力之一。从原始时代开始，我们生活中的主要挑战不是被猛兽吃掉，到当代如何快速送货上门，我们一直在结合创造力、逻辑推理和智慧来解决冲突。
现在，当我们见证人工智能感知的诞生时，我们面临着有关其决策能力的新挑战。虽然前十年都在庆祝人工智能模型和应用的可能性和潜力，但这个十年将更进一步——质疑这些模型所做决定的合法性并推断其背后的原因。
随着可解释人工智能 (XAI) 变得越来越重要，现在是讨论开发人工智能模型的一个关键概念的时候了，我们称之为 连锁思维提示在本文中，我们将广泛地解码和揭开其含义和简单术语的神秘面纱。
什么是思路链提示？
当人类大脑面对挑战或复杂问题时，它会自然地试图将其分解成更小的连续步骤。在逻辑的驱动下，大脑会建立联系并模拟因果情景，以制定应对挑战的最佳解决方案。
在人工智能模型或系统中复制这一过程的过程是 思路链提示.
顾名思义，AI 模型会生成一系列或一系列逻辑思维（或步骤）来解决疑问或冲突。可以将其想象为向询问前往目的地路线的人提供逐向指示。
这是 OpenAI 推理模型中采用的主要技术。由于这些模型被设计成在生成响应或答案之前进行思考，因此它们能够破解人类参加的竞争性考试。
[另请阅读： 关于 LLM 你需要了解的一切]
思维链提示的好处
任何逻辑驱动的东西都会产生显著的优势。同样，经过思路提示训练的模型不仅具有准确性和相关性，而且还具有多种好处，包括：
品牌影响力提升 问题解决 能力，在医疗保健和金融等领域，其重要性至关重要。采用思路链提示的法学硕士可以更好地理解明确和潜在的挑战，并在考虑不同的概率和最坏情况后做出回应。
缓解 假设 以及由假设产生的结果，因为模型应用逻辑和连续的思维和处理来得出结论，而不是仓促下结论。
预订量显著增长, 多功能性 因为模型遵循逻辑而不是目的，所以不需要在新的用例上进行严格的训练。
优化 相干性 在涉及多折叠/多部分答案的任务中。
思路链提示技术功能的剖析
如果您熟悉单片软件架构，您就会知道整个软件应用程序是作为一个单一的连贯单元开发的。简化如此复杂的任务需要使用微服务架构方法，该方法涉及将软件分解为独立的服务。这可以加快产品开发速度并实现无缝功能。
AI 中的 CoT 提示 类似地，LLM 通过一系列连续的推理过程来生成答案。具体步骤如下：
- 明确的指令，其中模型通过简单的命令直接指示按顺序解决问题。
- 隐性教学方法更加微妙和细致。在这种方法中，模型通过类似任务的逻辑，利用其推理和理解能力来复制其所呈现问题的逻辑。
- 说明性示例，其中模型将逐步阐述推理并产生解决问题的渐进见解。
3 个使用 CoT 提示的真实案例
财务决策模型
| 机器人中的多模式 CoT
| 医疗服务
|
|---|---|---|
| 在这个高度波动的行业中，CoT提示可用于了解公司的潜在财务走势，对信贷寻求者进行风险评估等 | 为企业开发和部署的聊天机器人需要特定的功能。它们必须展示理解不同格式输入的能力。CoT 提示在这种情况下效果最佳，因为机器人必须结合文本和图像提示来生成查询响应。 | 从根据医疗数据诊断患者到为患者制定个性化的治疗计划，CoT 提示可以补充诊所和医院的医疗保健目标。 |
例如：
客户查询： 我注意到我的账户上有一笔我不认识的交易，我的借记卡丢失了，我想为我的账户交易设置警报。你能帮我解决这些问题吗？
步骤 1：识别并分类问题
- 无法确认的交易。
- 借记卡丢失。
- 设置交易警报。
第 2 步：解决无法识别的交易
询问详情： 您能提供交易日期和金额吗？
- 分行1： 如果提供详细信息：
- 审查交易。如果存在欺诈，询问客户是否要提出异议。
- 分行2： 如果没有详细信息：
- 提供最近交易的清单。
步骤 3：解决借记卡丢失问题
冻结卡： 建议立即冷冻。
- 分行1： 如果客户同意：
- 冻结卡并询问他们是否需要更换。确认送货地址。
- 分行2： 如果客户拒绝：
- 建议监控账户是否存在未经授权的交易。
步骤 4：设置交易警报
选择警报方法： 短信、电子邮件，还是两者兼有？
- 分行1： 如果客户选择：
- 设置超过指定金额的交易警报。询问金额。
- 分行2： 如果不确定：
- 建议一个默认金额（例如 50 美元）并确认。
第 5 步：提供摘要和后续步骤
- 调查未被确认的交易。
- 冻结借记卡并可能发行替换卡。
- 根据要求设置交易警报。
理由：
该流程通过清晰的步骤和决策分支有效地解决了多个客户查询，确保提供全面的解决方案。
CoT 提示的局限性
思维链确实有效，但它也取决于它所应用的用例和其他几个因素。与以下方面相关的具体挑战 CoT 提示 在人工智能领域 阻碍利益相关者充分发挥其潜力。让我们来看看常见的瓶颈：
把简单的任务复杂化
虽然 CoT 提示最适合处理复杂任务，但它也可能使简单任务复杂化并产生错误答案。对于不需要推理的任务，直接回答模型效果最好。
增加计算负荷
处理 CoT 提示需要大量的计算负荷，如果将该技术部署在处理能力有限的小型模型上，可能会让它们不堪重负。此类部署的后果可能包括响应时间变慢、效率低下、不连贯等等。
人工智能快速工程的质量
AI 中的 CoT 提示 假设（或原则）特定提示具有良好的表达能力、结构性和清晰度。如果提示缺乏这些因素，CoT 提示将失去把握要求的能力，从而产生不相关的连续步骤，并最终产生响应。
规模能力下降
如果利益相关者必须利用思路链提示来处理大量数据集或复杂问题，他们可能会发现他们的模型举步维艰。对于涉及较大推理步骤的任务，该技术可能会减慢响应时间，使其不适合需要实时响应生成的应用程序或用例。
CoT 提示是优化绩效的一项出色技术 大型语言模型。如果可以通过优化技术或变通方法解决这些缺点，它们将产生令人难以置信的结果。随着技术的进步，看看思维链提示如何演变并变得更简单但更小众将会很有趣。
