思維鏈（Chain-of-Thought (CoT)）是什麼？
思維鏈（Chain-of-Thought）是讓大型語言模型先產生中間推理步驟、再給出答案的方法。Google 研究團隊 2022 年的論文顯示，只給 5,400 億參數的模型 8 個附推理步驟的範例，就在小學數學應用題測驗 GSM8K 達到當時最佳成績。
模型技術CoTChain of Thought思維鏈提示逐步思考Let's think step by step
一句話說明
讓語言模型先寫出一步步的推理過程，再給最後答案的提示方法，能提升數學與邏輯題的正確率。
思維鏈怎麼運作？
- 在提示詞裡放幾個「題目＋逐步推理＋答案」的範例（少樣本思維鏈）。
- 或直接在問題後面加上「讓我們一步一步思考」（零樣本思維鏈）。
- 模型模仿這種格式，先寫出中間步驟，再得出答案。
- 較新的推理模型則是在訓練時就學會先思考再回答。
實際例子
- 數學應用題先列出已知條件與算式，再算出答案。
- 判斷一段合約條文是否適用，先逐條比對條件。
- 程式除錯時先說明可能原因，再提出修改方式。
常見誤解
誤解：思維鏈對所有模型都有效。
事實：原論文指出這種能力在參數夠大的模型才明顯出現，小模型寫出推理步驟不一定會變準。
事實：原論文指出這種能力在參數夠大的模型才明顯出現，小模型寫出推理步驟不一定會變準。
誤解：模型寫出的推理過程一定就是它真正的計算方式。
事實：寫出來的步驟是模型生成的文字，可能看似合理但有錯，仍需檢查結論。
事實：寫出來的步驟是模型生成的文字，可能看似合理但有錯，仍需檢查結論。
常見問題
零樣本思維鏈是什麼？
2022 年東京大學與 Google 研究者發現，不給範例、只在答案前加上「Let's think step by step」，就能明顯提升模型在多種推理測驗的表現，稱為零樣本思維鏈。
思維鏈和推理模型有什麼關係？
思維鏈原本是一種提示技巧；推理模型則是把「先思考再回答」透過訓練內建到模型裡，使用者不必特別下指令。
相關名詞
參考來源
- Wei et al., Chain-of-Thought Prompting Elicits Reasoning in Large Language Models（arXiv 2201.11903）
- Kojima et al., Large Language Models are Zero-Shot Reasoners（arXiv 2205.11916）
查核日期：2026-09-28。API：/api/term?id=chain-of-thought