Chain of Thought (Gedankenkette) ist eine Prompting-Technik, die darin besteht, ein Sprachmodell dazu anzuleiten, ein Problem in Zwischenschritte zu zerlegen, bevor die endgültige Antwort gegeben wird. Anstatt direkt zum Ergebnis zu springen, legt das Modell seinen Gedankengang sequenziell dar, was seine Leistung bei Aufgaben, die Logik, Mathematik oder mehrere Deduktionsschritte erfordern, erheblich verbessert.
Die Bedeutung liegt darin, dass eine emergente Fähigkeit großer Modelle genutzt wird: Sie können besser schlussfolgern, wenn sie „laut denken“. Es genügt, Anweisungen wie „denken Sie Schritt für Schritt“ hinzuzufügen, um dieses Verhalten zu aktivieren. Es gibt gängige Varianten:
- Zero-shot CoT: Es wird dazu aufgefordert, ohne vorherige Beispiele Schritt für Schritt vorzugehen.
- Few-shot CoT: Es werden gelöste Beispiele einbezogen, die den Gedankengang aufzeigen.
Ein praktischer Aspekt: CoT funktioniert bei großen Modellen am besten und garantiert nicht immer korrekte Antworten, da das Modell plausible, aber fehlerhafte Argumentationen generieren kann. Dennoch macht es den Prozess transparenter und überprüfbarer, was es erleichtert zu erkennen, wo die Logik versagt.