思维链提示：让模型学会一步步推理

为什么让模型先想再答会明显提升正确率？本文解释思维链提示的原理：把中间推理步骤写出来，等于给模型更多可依赖的中间结果，同时说明它在哪些任务上有效、哪些任务上反而多余。

一句请一步步思考的来历

研究者发现，在提问时要求模型先把推理过程写出来，再给出结论，它在数学题、逻辑题上的正确率会明显提升。这个做法被称为思维链提示，最简单的形式就是加上一句让我们一步一步思考。它不需要额外训练，只要在提问时改一句话就能生效，因此很快流行开来。

直觉上这有点反常：模型本来就是逐词生成的，多写几句话怎么会更准？原因在于，直接跳到答案时，模型必须用一次前向计算完成全部推理；而写出中间步骤后，每一步都可以参考前面已经写下的、相对可靠的结论。

为什么写出来就更准

可以把中间步骤想成草稿纸上的演算。人在心算多位数的乘法时容易出错，但允许在纸上写下每一步就稳得多。模型没有真的草稿纸，但它生成出的文字会成为后续生成的上下文，起到类似的作用，这与人解题时的体验高度一致。

还有一层好处是可检查。当模型把推理摊开，你就有机会发现它在哪一步开始跑偏，从而针对那一步纠正。这比盯着一个错误答案无从下手要好得多，在团队协作中，这种可检查性往往比正确率本身更有价值。

什么时候该用，什么时候别用

思维链最适合需要多步推导的任务：数学应用题、逻辑判断、需要按条件逐步筛选的规划问题。对于简单的事实问答、格式转换、摘要润色，强求它先推理只会增加篇幅，收益很小，还可能引入多余的错误。

也要注意，写得出的推理不等于正确的推理。模型有时会先认定一个结论，再倒推出一套看起来合理的步骤。因此思维链提高的是平均正确率，而不是可靠性的保证，换句话说它抬高的是平均值而非下限，关键结论仍要独立验证。

本文为 AI 科普内容，仅用于知识普及，不构成任何技术选型、投资或职业决策建议。