Przejdź do treści
promptowy.com / AI-ordbog / Chain-of-thought (tankekæde-prompting)
Prompts

Chain-of-thought (tankekæde-prompting)

Chain-of-thought er en prompt-teknik, hvor en sprogmodel tvinges til at forklare sine ræsonnementer trin for trin forud for det endelige svar.

Chain-of-thought, ofte forkortet som CoT, er en metode inden for prompt-design, hvor man beder en sprogmodel om at synliggøre sine tankeprocesser trin for trin, før den leverer sin endelige konklusion. I stedet for at springe direkte fra spørgsmål til facit tvinges modellen til at producere en logisk række af mellemregninger og delkonklusioner. Dette løfter modellens evne til at løse opgaver, der kræver logik, matematik eller struktureret planlægning, markant.

Helt grundlæggende forvandler teknikken et simpelt spørgsmål til en aktiv arbejdsproces. Når sprogmodeller genererer tekst, forudsiger de det næste ord baseret på de foregående ord. Hvis modellen tvinges til at skrive mellemregningerne ud i tekstfeltet, fungerer dens egne ord som en slags digital kladdeblok. De tidligere genererede skridt guider de næste, hvilket drastisk mindsker risikoen for forhastede eller forkerte gæt.

Hvorfor fungerer ræsonnement trin for trin?

Traditionelle sprogmodeller har ingen hemmelig bagtanke eller tavs beregningstid, medmindre de eksplicit er bygget til det. Hvis du stiller et kompliceret regnestykke eller en logisk gåde, forsøger modellen typisk at forudsige slutsvaret med det samme. Det svarer til at bede et menneske om at udregne et komplekst årsregnskab i hovedet på to sekunder uden papir og blyant.

Ved at bruge Chain-of-thought giver du modellen den nødvendige plads til at tænke højt. Når den formulerer deltrin 1, bliver dette deltrin en del af den kontekst, den bruger til at udlede deltrin 2. Denne trinvise opbygning sikrer, at komplekse afhængigheder bliver behandlet enkeltvis, præcis som når en revisor gennemgår bilag for bilag.

Et lokalt eksempel: Varelevering fra et bageri i Kolding

Forestil dig et mellemstort bageri i Kolding, der hver morgen skal levere frisk brød til tre forskellige institutioner i trekantområdet. Chaufføren skal nå frem inden et bestemt klokkeslæt, tage højde for morgenmyldretid på motorvejen og have plads i varevognen til returkasser.

Uden Chain-of-thought vil en forespørgsel til en sprogmodel om den bedste rute ofte give et hurtigt, men uigennemtænkt svar, hvor tidsintervaller eller praktiske begrænsninger overses. Med en tankekæde vil instruksen i stedet få modellen til at opdele problemet systematisk:

  • Trin 1: Oplist alle destinationer, åbningstider og nødvendige aflæsningstider for hver institution.
  • Trin 2: Beregn den estimerede køretid mellem Kolding, Fredericia og Vejle i myldretiden.
  • Trin 3: Vurder varevognens kapacitet ved hvert stop for at sikre, at der er plads til returvarer.
  • Trin 4: Sammenhold de tre parametre og opstil den mest optimale køreplan.

Ved at gennemgå disse mellemliggende trin opdager modellen måske en konflikt i køreplanen, som den ellers ville have overset, og den kan derfor justere sit råd, før den spytter den endelige køreliste ud.

Sådan bruger du CoT i praksis

Oprindeligt blev teknikken udløst ved ganske enkelt at tilføje sætningen Lad os tænke over det trin for trin i slutningen af sit prompt. Denne enkle opfordring kaldes ofte for nul-skuds tankekæde (zero-shot CoT). Selvom moderne avancerede modeller i dag har dedikerede ræsonnementstilstande bygget direkte ind i systemet, er princippet stadig værdifuldt for alle, der arbejder med prompter til daglig.

Du opnår de bedste resultater ved at være specifik omkring, hvilke deltrin modellen skal tage stilling til. Bed den om at analysere præmisserne først, identificere potentielle faldgruber derefter, og først til allersidst formulere sin anbefaling. Det gør det samtidig langt nemmere for dig som bruger at kvalitetssikre svaret, fordi du kan læse hele ræsonnementet igennem og se præcis, hvor en eventuel misforståelse er opstået.

Faldgruben: Veltalende fejlslutninger

Selvom Chain-of-thought øger præcisionen markant, er det ikke en fejlfri garant for sandhed. En sprogmodel forstår ikke virkeligheden på samme måde som et menneske; den genererer blot sandsynlige tekstmønstre. Det betyder, at en tankekæde sagtens kan se fuldstændig overbevisende, stringent og velformuleret ud, samtidig med at den indeholder en grov regnefejl eller en forkert præmis i det andet led.

Hvis modellen laver en fejl tidligt i sin tankekæde, vil resten af kæden typisk bygge videre på denne fejlslutning med stor sproglig selvsikkerhed. Man bør derfor aldrig slå den kritiske sans fra, blot fordi svaret ledsages af en pæn, punktinddelt forklaring.

Ofte stillede spørgsmål

Hvad betyder forkortelsen CoT?

CoT står for Chain-of-thought, hvilket på dansk bedst kan oversættes til en tankekæde, hvor sprogmodellen ræsonnerer trin for trin.

Hvornår skal man bruge Chain-of-thought?

Teknikken er mest gavnlig ved opgaver, der kræver logik, matematik, planlægning eller analyse af komplekse tekster, hvor et simpelt svar ikke er nok.

Er svarene altid korrekte, når modellen viser sine trin?

Nej, modellen kan sagtens lave en logisk fejl eller en regnefejl undervejs i kæden, men fejlen er ofte nemmere for et menneske at opdage, fordi ræsonnementet er synligt.

Tager det længere tid at få svar med denne teknik?

Ja, fordi modellen skal generere flere ord og gennemgå mellemregninger, tager det typisk lidt længere tid, og det bruger også mere regnekraft end et kort standardsvar.

← Alle begreber i AI-ordbogen

🛒 Sklep Kinetyka CapCut Pro 460 zł/rok Lovable Pro 450 zł/rok Replit Core 119 zł/rok Zobacz wszystko →
× ‹ powiększenie ›