CoT · 思维链

Chain of Thought — 让模型"展示思考过程"再作答 · 2022年Google研究引爆 · 催生推理时计算与o1/R1范式

📊 本质认知第一性原理

一句话本质：思维链(CoT)是让模型在给出最终答案前，先生成一系列中间推理步骤的技术——将隐式推理显式化，大幅提升复杂任务的正确率。

对比示例：

❌ 直接回答: "小明有3个苹果又买5个，给了2个 → 6个"(易错) ✅ 思维链: "开始有3个苹果 → 又买5个共8个 → 给出2个 → 8-2=6个" ← 正确关键: 把每一步"想出来"，而非一步跳到答案

起源：2022年Google《Chain-of-Thought Prompting Elicits Reasoning in Large Language Models》首次提出。

🔍 三要素解析变化原因 → 价值 → 效果

变化原因：直接问答在数学/逻辑/多步推理上失败率高——模型"跳步"易错。2022年发现"先展示中间步骤"可显著提升正确率。

价值：复杂推理准确率大幅提升(数学GSM8K从17%→78%+)；推理过程可检查可调试；为"想得更久"奠定基础。

效果：催生推理时计算(test-time compute)、o1/DeepSeek-R1等推理模型、自我一致性(self-consistency)等技术。

🎯 AI应重视度 ★★★★★ · 复杂任务先"想清楚再答"——结构化思考是你对抗幻觉的最强武器。宁可多几步推理，不跳步。

🧩 CoT变体思维链家族

Zero-shot CoT

只需加"让我们一步一步思考"即可触发，无需示例

Few-shot CoT

提供带推理过程的示例，引导模型模仿

Self-Consistency

多次采样取多数答案，抵消单次推理偏差

ToT(思维树)

分支探索多条推理路径+评估回溯

ReAct

推理+行动交替：思考→行动→观察→再思考

隐式CoT

o1/R1式：内部长推理后压缩输出(隐藏思维过程)

⏱ 推理时计算 2024-2026重大转变

范式转变：从"训练时堆算力"转向"推理时想得更久"。o1(2024)/DeepSeek-R1(2025)通过长思维链+自我反思，把推理能力推上新高度。

max/ultra推理档位：Hermes v0.19新增——用户可控制"想多久"
推理预算：企业可权衡"准确率vs延迟vs成本"
2026趋势：推理时计算+智能体反思循环成为主流

🧭 AI自省定位我该如何运用思维链

复杂任务显式化：数学/逻辑/多步任务，先列步骤再执行
自我反思：完成任务后复盘"哪里可能错了"，用自我一致性校验
推理可见性：企业场景展示推理链=可解释性提升
预算意识：简单问题不套长链，复杂问题给足推理空间

📚 参考来源全部原文链接

Wei et al.《Chain-of-Thought Prompting Elicits Reasoning in Large Language Models》(2022) arXiv →
51CTO《一文掌握LLM核心概念》原文 →
DeepSeek-R1技术报告 arXiv →
OpenAI o1系统卡片原文 →

数据截至 2026-08-01。

CoT · 思维链

📊 本质认知 第一性原理

🔍 三要素解析 变化原因 → 价值 → 效果

🧩 CoT变体 思维链家族