推荐星级:
  • 1
  • 2
  • 3
  • 4
  • 5

少样本思维链-技术原理.docx

更新时间:2026-08-16 19:27:49 大小:14K 上传用户:江岚查看TA发布的资源 标签:少样本思维链提示工程大语言模型推理能力CoT 下载积分:2分 评价赚积分 (如何评价?) 打赏 收藏 评论(0) 举报

资料介绍

少样本思维链(Few-shot CoT

一、核心定义

少样本思维链(Few-shot Chain-of-Thought,简称Few-shot CoT)是大语言模型场景下的一种提示工程技术,核心思路是在给模型的输入提示中,提供少量带完整推理过程的示例,引导大语言模型在生成答案时也模仿示例输出分步推导的思维过程,而非直接输出最终结果,以此提升模型在复杂推理任务(如数学计算、逻辑推理、常识问答)上的准确率。

二、技术背景

Few-shot CoT提出之前,传统的少样本提示(标准少样本学习)仅给模型提供「输入-输出」对的示例,即只展示问题和对应答案,不展示推理过程。这种模式对于需要多步推导的复杂任务效果很差,大语言模型经常跳过关键推理步骤,出现逻辑错误。

2022年谷歌研究团队在论文《Chain-of-Thought Prompting Elicits Reasoning in Large Language Models》中正式提出思维链提示,其中少样本思维链是该体系中最基础的应用形式,依托100B参数以上的大语言模型,能显著提升复杂推理任务表现,不需要对模型进行微调,仅通过修改提示词即可生效。


部分文件列表

文件名 大小
少样本思维链-技术原理.docx 14K

全部评论(0)

暂无评论

上传资源 上传优质资源有赏金

  • 打赏
  • 30日榜单

推荐下载