Chain-of-thought prompting: pedindo a um modelo que raciocine passo a passo

O que pedir raciocínio passo a passo realmente faz

Um prompt como "trabalhe isso passo a passo" ou "mostre seu raciocínio antes de dar uma resposta final" pede ao modelo que exponha etapas intermediárias em vez de saltar direto para uma conclusão. Para um problema com vários passos, isso pode revelar um erro numa etapa intermediária que de outra forma ficaria enterrado dentro de uma única resposta final de aparência confiante — e dá a você algo concreto para verificar, em vez de apenas um resultado para confiar.

Quando ajuda, e quando é desnecessário

O prompting passo a passo tende a ajudar mais em problemas com várias etapas dependentes, várias restrições a satisfazer ao mesmo tempo, ou um cálculo que vale a pena verificar duas vezes — um problema de palavras com várias partes, uma decisão com vários fatores, uma lógica que precisa se manter coerente. Uma pergunta curta e de uma única etapa raramente se beneficia disso, e pedir mesmo assim só adiciona comprimento sem mudar a resposta. Veja como escolher um modelo para raciocínio complexo, linkado abaixo, para saber como isso se conecta à escolha de um modelo construído exatamente para esse tipo de tarefa.

O que isso não garante

Pedir a um modelo que raciocine passo a passo não garante uma resposta correta, e uma cadeia de etapas confiante e bem estruturada ainda pode chegar à conclusão errada — as etapas extras tornam um erro mais fácil de detectar, não impossível de cometer. Isso é consistente com por que a IA alucina, linkado abaixo: um modelo pode produzir um raciocínio fluente e de aparência plausível que ainda está errado, então uma resposta passo a passo vale a pena verificar em qualquer coisa que importe, não aceitar de olhos fechados só porque parece metódica.

Perguntas frequentes

O chain-of-thought prompting garante uma resposta correta?

Não — ele não garante raciocínio correto, e uma resposta passo a passo ainda pode chegar a uma conclusão errada. Ele tende a tornar um erro mais fácil de detectar nas etapas intermediárias, o que é diferente de impedir o erro.

Quando devo pedir a um modelo que mostre seu raciocínio?

Em problemas com várias etapas ou restrições dependentes, onde um erro intermediário de outra forma ficaria escondido dentro de uma única resposta final. Uma pergunta curta e de uma única etapa raramente precisa disso.

Isso é o mesmo que usar um modelo focado em raciocínio?

Relacionado, mas não idêntico — este guia trata de como você formula um prompt para qualquer modelo; escolher um modelo para raciocínio complexo, linkado abaixo, trata de qual modelo é construído para trabalhar as etapas por padrão. As duas coisas podem ser combinadas.