Chain-of-Thought Prompting Elicits Reasoning in Large Language Models

作者： Jason Wei, Xuezhi Wang, Dale Schuurmans, Maarten Bosma, Brian Ichter, Fei Xia, Ed H. Chi, Quoc V. Le, Denny Zhou (2022)

arXiv： 2201.11903

TLDR（中文）

提出 Chain-of-Thought（思维链）提示技术：通过在提示中加入中间推理步骤， 可以大幅提升大语言模型在数学、逻辑、常识推理等任务上的表现。 这个简单技巧把 LLM 的推理能力推向了接近人类的水平。

TLDR (English)

Introduces chain-of-thought prompting: adding intermediate reasoning steps to prompts dramatically improves LLM performance on math, logic, and commonsense reasoning tasks. This simple technique brought LLM reasoning capabilities close to human-level performance.

出现在这些文章里

• Sampling 与 Decoding：从概率到文字
• 为什么 LLM 会涌现能力