Chain-of-Thought
Chain-of-Thought（思维链）是大型语言模型提示领域的一种推理技术，通过在输入提示中引入逐步推导的中间推理步骤，引导模型以分解问题、逐步分析的方式生成答案。该技术能够显著提升模型在数学推理、逻辑判断和多步骤问题求解等复杂任务上的表现，相较于直接给出答案的标准提示方式具有更强的可解释性与准确性。
核心事实
时间轴 (近 90 天)
长链式推理（如 Chain-of-Thought）擅长复杂问题，但 token 开销大、延迟高。
CoT提示在不改变模型架构的前提下，通过把中间推理过程显式写入输出序列充当隐式工作记忆缓冲区，从而提升推理深度；但其局限在于推理链条一旦生成就无法修改，错误会沿链条传播放大。
单次前向传播是相对于多次采样（如 Self-Consistency）和链式推理（Chain-of-Thought）而言的，省去了采样和聚合环节，降低推理延迟和算力开销，并使输出具有确定性。
CoT的代价是推理深度被严格绑定在生成序列长度上，每多写一个token都要付出一次前向计算的成本与延迟
CoT的有效性源于外化的中间步骤为后续token提供显式上下文并允许每步被采样检查和自我纠正
传统思维链提示存在三大痛点：可验证性差、生成开销大、忠实性存疑。
OpenAI 的新方法将 CoT 从提示层下沉到训练与运行机制层：模型内部生成多条候选推理路径，通过自我一致性检验或过程奖励模型筛选，再输出最终答案。
学术研究表明，调整问题表述顺序、添加角色设定或要求模型逐步思考（链式思维提示）可使同一任务的准确率产生数十个百分点的浮动
PAL 让模型生成 Python 程序再由解释器执行得出答案，在 GSM8K 基准上的准确率比纯文字链式推理（Chain-of-Thought）高出约 10-15 个百分点
推理模式只有在模型真的多花 token 重做计算时才能防御注入，仅开启推理模式不能保证获得注入防护
还有 40 条时间轴事件
全部知识事实 (20)
推理模型在需要多步逻辑推导的信息综合任务中表现更优，但延迟更高，需根据任务特性合理选用
90%已验证思维链推理由Wei等人于2022年提出，指引导模型在给出最终答案前先输出分步骤中间推理过程
90%已验证推理模型以OpenAI o1、DeepSeek-R1、QwQ为代表，核心机制是思维链扩展，在给出最终答案前生成大量中间推理步骤
90%已验证2022年Google Brain的Jason Wei等人发表的思维链（Chain-of-Thought）提示论文首次系统证明加入逐步推理示例能使PaLM等大模型在数学推理任务上准确率大幅提升
90%已验证高强度推理配置通常意味着更高费用和更长响应时间，牺牲响应速度换取逻辑严密性
90%已验证思维链推理（Chain-of-Thought, CoT）由Google Brain团队在2022年提出，通过引导模型展开逐步推理来提升复杂任务的准确率
90%已验证O3属于OpenAI的o系列推理模型，引入了思维链（Chain-of-Thought）机制进行多步内部推理
90%已验证Chain of Thought能显著提升模型在数学推理、逻辑判断等需要多步推导的任务上的表现
90%已验证DeepSeek的深度思考模式本质上是链式推理（Chain-of-Thought）机制的增强实现
90%已验证Chain-of-Thought提示技术由Google Brain团队在2022年的论文《Chain-of-Thought Prompting Elicits Reasoning in Large Language Models》中正式提出
90%已验证Agent的实现通常通过ReAct（Reasoning + Acting）框架来实现规划能力
90%已验证CoT的核心发现是当模型被要求逐步思考时，在算术、常识推理等任务上的准确率大幅提升
80%已验证测试人员的定位正在从执行者转向AI评审员，能驾驭AI的前提是自身具备自动化测试、性能测试等底层技能
80%已验证ReAct核心思想是将语言模型的思考与行动交织在一起，形成思考→行动→观察的循环迭代，与Chain-of-Thought纯思考链不同
80%已验证ReAct融合了链式思考（Chain-of-Thought）和直接工具调用两条研究路线，形成「思考→行动→观察」的迭代循环
80%已验证DeepSeek-R1是专注于推理能力的模型，通过强化学习训练具备链式思考能力
80%已验证OpenAI的o1系列代表了「推理时计算」（test-time compute）这一新范式
80%已验证2022年Google的研究表明，在提示中加入'Let's think step by step'能显著提升模型在数学和逻辑推理任务上的表现
80%已验证Chain-of-Thought技术最初由Google Brain团队的Jason Wei等人在2022年的论文中系统化提出
80%已验证ReAct（Reasoning + Acting）框架由Yao等人在2022年提出，将Chain-of-Thought推理与外部工具交互交替进行
80%