什么是思维链思维链Chain of ThoughtCoT在人工智能领域是一个非常新颖的概念。我们在日常生活中比如工作、学习经常用到的思维导图通过详细的分析步骤逐步推理问题的过程。这种步骤分解的方式用在提示学习中就被称为思维链提示好像AI有了人的意识一样AI不再做“填空题”而是做分析题把将大语言模型的推理过程分步骤详细说清楚直观的展示出来引导模型生成更准确、更有逻辑性的答案。强大的逻辑推理是大语言模型“智能涌现”出的核心能力之一而推理能力的关键在于——思维链Chain of ThoughtCoTCot可以说是打破了大语言模型能力局限性的点睛之笔。近年来随着计算能力的不断提升大语言模型如雨后春笋般涌现例如GPT文言一心 DBRX等。而随着语言模型规模的不断扩大展现出了许多令人惊喜的能力如文本摘要、问答、翻译等。尽管人工智能领域在大模型下了很大功夫但类似GPT应用的翻车问题也是频频发生我们会发现GPT在学习的过程中还是严重的偏科的大多都是数学算术题、逻辑思考题等需要精确推理的问题而这正是思维链能够重点解决的。换句话说只有解锁了思维链技术大语言模型才有可能在这场“百模大战”中“涌现”。2022年在Google发布的论文《Chain-of-Thought Prompting Elicits Reasoning in Large Language Models》中首次提出如何生成思维链——显著提高大型语言模型执行复杂推理的能力。而这一系列推理的中间步骤就被称为思维链Chain of Thought。区别于传统的 Prompt 从输入直接到输出的映射 input span“”——output 的方式。chain of thoughtCot是结合“rationale-augmented”和“few-shot”的长处提出来一种“few-shot prompting”的方式其中 Cot的意思是自然语言形式的中间推理步骤。它的prompt形式为inputchain of thoughtoutput的三元组。CoT 这一重要技术如何才能让大模型具备真正的智慧在解释 CoT的作用前不妨来看个论文展示的结果Cot方法很简单它鼓励大语言模型解释其推理过程其实是在模拟人类解决问题的过程就是把一个多步骤推理问题分解成很多个中间步骤通过多个中间步骤来走向最终的答案。在解数学问题上同样使用 PaLM 这个 540B 的超级 LLMCoT 的表现是传统 prompting 的300%以上。除此之外它还能解决其他很多问题如常识推理、Last Letter Concatenation最后一个字母串联和 coin flip抛硬币等。这就引出了“思维链提示”的方法通过生成一系列中间推理步骤或思维链来提高法LLM 的复杂推理能力。有了思维链提示的加持大模型的逻辑推理能力瞬间不一样了。比如常识推理能力赶超人类并且可以解决那些需要精确的、分步骤计算的复杂数学问题其次推理能力有了更加清晰的逻辑链路提供了一定的可解释性变得更加可信。论文里的数学题就是典型的例子如下图左边的模型是无法推算复杂的数学问题的但像右边如果我们给模型一些解题思路就像老师教我们做数学题一样先解题过程和思路列出来我们再去举一反三就轻而易举了。总结成一句话就是大模型通过Cot的赋能将语义直接转化为一个方程来更好地推理问题。此时大模型就好像被施了魔法原本做错的数学题突然就会做了原本的驴唇不对马嘴突然就头头是道了。这就是思维链的魅力。最后感谢你们的阅读和喜欢我收藏了很多技术干货可以共享给喜欢我文章的朋友们如果你肯花时间沉下心去学习它们一定能帮到你。因为这个行业不同于其他行业知识体系实在是过于庞大知识更新也非常快。作为一个普通人无法全部学完所以我们在提升技术的时候首先需要明确一个目标然后制定好完整的计划同时找到好的学习方法这样才能更快的提升自己。一、全套AGI大模型学习路线AI大模型时代的学习之旅从基础到前沿掌握人工智能的核心技能二、640套AI大模型报告合集这套包含640份报告的合集涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师还是对AI大模型感兴趣的爱好者这套报告合集都将为您提供宝贵的信息和启示。三、AI大模型经典PDF籍随着人工智能技术的飞速发展AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型如GPT-3、BERT、XLNet等以其强大的语言理解和生成能力正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。四、AI大模型商业化落地方案五、面试资料我们学习AI大模型必然是想找到高薪的工作下面这些面试题都是总结当前最新、最热、最高频的面试题并且每道题都有详细的答案面试前刷完这套面试题资料小小offer不在话下。领取方式我会放在下面希望领取了的朋友不要忘了下方名片放心添加