Модуль 1 · Урок 3

Продвинутые приёмы

модуль 01 — язык ии▸урок 1.322 мин основное+10 мин под капотомАКТУАЛЬНО · 22.04.26

Продвинутые приёмы: CoT и итерации

Chain-of-Thought, итерация, Self-Consistency

Ты увидишь, как Chain-of-Thought и итерации превращают средний ответ в эталонный — и перестанешь искать «волшебный промпт».

Аудио-пересказ урока 1.30:00 / 16:00

01Четыре слова, удваивающие качество

◆ 45 секунд

В 2022 году исследователи Google показали «Chain-of-Thought Prompting»: если дать модели примеры с разбором по шагам, точность на сложных задачах резко растёт. А вскоре Kojima et al. выяснили ещё проще: часто хватает одной фразы «Давай подумаем по шагам» — вообще без примеров. На той же модели. Без дообучения. Просто четыре слова. На школьных математических задачах добавление пошагового рассуждения подняло точность крупной модели примерно с 18% до 57%. Это один из самых мощных и самых недооценённых приёмов — и он лишь один из трёх, которые разберём сегодня.

Сравнение прямого ответа и chain-of-thought рассуждения — Chain-of-Thought: думать вслух или отвечать сразу

02Приём 1. Chain-of-Thought — «подумай вслух»

Три способа запустить CoT:

(а) Zero-shot CoT — волшебная фраза. После любого сложного вопроса добавляешь: «Давай решим это пошагово.» Модель начинает выстраивать цепочку рассуждений перед ответом.

(б) Few-shot CoT — показываем пример рассуждения. Даёшь один решённый вопрос с видимыми шагами, затем — свой вопрос с «Рассуждение:» в конце. Модель продолжает в том же духе.

(в) Structured CoT — задаём структуру: «Реши задачу, пройдя по шагам: 1. Что известно, 2. Что нужно найти, 3. Выбери подход, 4. Выполни расчёт, 5. Проверь на здравый смысл.»

Когда применять CoT

Математика, расчёты, бюджеты · логические задачи, планирование · анализ причинно-следственных связей · проверка аргументации. Не применять: простые задачи (CoT добавляет «воды») и reasoning-модели (o1, o3, GPT-5 thinking) — у них CoT встроен.

Школьная математикаНа задачах уровня школьной математики просьба «покажи рассуждение» подняла точность крупной модели с 18% до 57% — без смены модели. Эффект сильнее у больших моделей; маленькие при попытке «рассуждать» чаще генерируют больше неправильного текста. Точные цифры, тесты и авторы исследований — в разделе «Под капотом».