Chain of Thought
Chain of Thought, ou chaîne de pensée, désigne une forme de raisonnement intermédiaire utilisée pour résoudre certaines tâches en plusieurs étapes. Le terme est aussi associé à des techniques de prompting historiques demandant au modèle d’expliciter des étapes de raisonnement.
Comment fonctionne Chain of Thought ?
Dans les systèmes modernes, le modèle peut effectuer des calculs ou raisonnements internes sans exposer intégralement ses traces internes. Une application peut demander une justification concise, des hypothèses ou des étapes vérifiables plutôt qu’un raisonnement privé détaillé.
Dans un usage conversationnel, la qualité du résultat dépend fortement de la manière dont l’objectif, les contraintes et le contexte sont formulés. Cette notion aide à mieux piloter ce qui est donné au modèle avant la génération.
Exemple concret
Pour un calcul financier, on peut demander au modèle de fournir la formule, les variables utilisées et le résultat final afin que l’utilisateur puisse contrôler la réponse.
À ne pas confondre
Une explication structurée n’est pas nécessairement la reproduction exacte du raisonnement interne du modèle.
Questions fréquentes sur Chain of Thought
Qu’est-ce que Chain of Thought ?
+
Chain of Thought, ou chaîne de pensée, désigne une forme de raisonnement intermédiaire utilisée pour résoudre certaines tâches en plusieurs étapes. Le terme est aussi associé à des techniques de prompting historiques demandant au modèle d’expliciter des étapes de raisonnement.
À quoi sert Chain of Thought ?
+
Pour un calcul financier, on peut demander au modèle de fournir la formule, les variables utilisées et le résultat final afin que l’utilisateur puisse contrôler la réponse.
Comment utiliser Chain of Thought efficacement ?
+
Dans les systèmes modernes, le modèle peut effectuer des calculs ou raisonnements internes sans exposer intégralement ses traces internes. Une application peut demander une justification concise, des hypothèses ou des étapes vérifiables plutôt qu’un raisonnement privé détaillé.
Quel est l’intérêt de Chain of Thought dans ChatGPT ou un LLM ?
+
Dans un usage conversationnel, la qualité du résultat dépend fortement de la manière dont l’objectif, les contraintes et le contexte sont formulés. Cette notion aide à mieux piloter ce qui est donné au modèle avant la génération.
Quelle différence avec une notion proche ?
+
Une explication structurée n’est pas nécessairement la reproduction exacte du raisonnement interne du modèle.
