ລະບົບຄິດຕໍ່ເນື່ອງ (Chain of Thought)

## ການເຊື່ອມໂຍງຄວາມຄິດ (Chain of Thought) ແມ່ນຫຍັງ ການເຊື່ອມໂຍງຄວາມຄິດ (Chain of Thought, CoT) ແມ່ນເຕັກນິກ prompt ທີ່ໃຊ້ກັບ LLM ໂດຍການໃຫ້ສ້າງຂັ້ນຕອນການໃຫ້ເຫດຜົນລະຫວ່າງທາງຢ່າງຊັດເຈນ ເພື່ອເພີ່ມອັດຕາຄວາມຖືກຕ້ອງໃນການແກ້ໄຂວຽກງານທີ່ສັບສົນ. ### ເຂົ້າໃຈຜ່ານຕົວຢ່າງສະເພາະ ສຳລັບໂຈດ "ໝາກໂປມ 3 ໜ່ວຍ, ໝາກກ້ຽງ 5 ໜ່ວຍ. ລວມທັງໝົດເທົ່າໃດ?" ແທນທີ່ LLM ຈະຕອບ "8" ໂດຍກົງ, ເຮົາຊັກນຳໃຫ້ມັນສ້າງຂັ້ນຕອນລະຫວ່າງທາງວ່າ "ໝາກໂປມ 3 ໜ່ວຍ + ໝາກກ້ຽງ 5 ໜ່ວຍ = 8 ໜ່ວຍ". ສຳລັບການບວກທຳມະດານັ້ນຄວາມແຕກຕ່າງອາດຈະບໍ່ຊັດ, ແຕ່ສຳລັບໂຈດທີ່ຕ້ອງການການໃຫ້ເຫດຜົນຫຼາຍຂັ້ນຕອນ ຫຼື ມີການແຍກເງື່ອນໄຂ — ເຊັ່ນ: ການພິຈາລະນາຄວາມຄົບຖ້ວນຂອງຂໍ້ກຳນົດທາງກົດໝາຍ — ອັດຕາຄວາມຖືກຕ້ອງຈະດີຂຶ້ນຢ່າງຫຼວງຫຼາຍ. ພຽງແຕ່ເພີ່ມ "ກະລຸນາຄິດທີລະຂັ້ນຕອນ" ໃສ່ໃນ prompt ກໍ່ມີຜົນແລ້ວ. ວິທີນີ້ເອີ້ນວ່າ Zero-shot CoT. ### ຄວາມສຳພັນກັບ Reasoning Model Reasoning model ແມ່ນການອອກແບບທີ່ຝັງ CoT ໄວ້ພາຍໃນຕົວແບບ, ຈຶ່ງສ້າງການເຊື່ອມໂຍງຄວາມຄິດໂດຍອັດຕະໂນມັດໂດຍບໍ່ຕ້ອງຊັກນຳຜ່ານ prompt. ໃນທາງກົງກັນຂ້າມ, LLM ທຳມະດາກໍ່ສາມາດດຶງ CoT ອອກມາໄດ້ຜ່ານ prompt engineering, ດັ່ງນັ້ນໃນທາງປະຕິບັດ ຄວນທົດລອງດ້ານ prompt ກ່ອນ, ແລ້ວຈຶ່ງປ່ຽນໄປໃຊ້ reasoning model ຖ້າຄວາມຖືກຕ້ອງຍັງບໍ່ພຽງພໍ. ຂໍ້ຄວນລະວັງ: CoT ເພີ່ມຈຳນວນ output token ຈຶ່ງເຮັດໃຫ້ຄ່າໃຊ້ຈ່າຍສູງຂຶ້ນ. ການນຳໃຊ້ຢ່າງສະຫຼາດຄືການຈຳກັດການໃຊ້ສະເພາະ query ທີ່ຄວາມຖືກຕ້ອງມີຄວາມສຳຄັນ ແທນທີ່ຈະນຳໃຊ້ກັບທຸກ request.