Chain-of-Thought (CoT)

Chain-of-Thought er en instruktion om, at modellen skal producere mellemregninger, før den producerer et svar. I stedet for at bede om resultatet direkte beder du om den sekvens af delskridt, der fører frem til det. Formuleringen "lad os tænke trin for trin" er den mest kendte udgave, men enhver instruktion, der tvinger delresultater frem i teksten, gør det samme.

Forskellen til zero-shot prompting er alene, at outputtet får en mellemfase. Zero-shot beder om svaret, CoT beder om vejen dertil plus svaret. Few-shot CoT går et skridt videre og viser to eller tre eksempler på, hvordan en løsning skal skrides igennem, hvilket låser både formatet og detaljeringsgraden fast.

De nærmeste naboer arbejder oven på CoT frem for at erstatte det. Self-consistency kører den samme CoT-prompt flere gange og vælger det svar, der optræder oftest. Tree-of-Thought forgrener sig i stedet for at følge én kæde, og evaluerer flere delløsninger undervejs. CoT er den enkleste af de tre og den, de andre bygger på.

En sprogmodel beregner det næste token ud fra de tokens, der allerede står i konteksten. Mængden af beregning per token er fast. Skal et svar med mange delskridt produceres som ét enkelt tal, findes der ingen plads til de mellemregninger, tallet afhænger af.

CoT flytter mellemregningerne ud i selve tekstsekvensen. Hvert delresultat, der bliver skrevet, indgår som input til beregningen af de næste tokens. Kæden fungerer som en ekstern arbejdshukommelse, og problemet nedbrydes til en række skridt, der hver især er lettere at forudsige korrekt end det samlede svar.

Derfor betyder rækkefølgen noget. Står svaret først og begrundelsen bagefter, er svaret allerede afgjort, og begrundelsen bliver en efterrationalisering, der ikke påvirker resultatet. Den samme mekanisme forklarer, hvorfor længere kæder ikke automatisk er bedre. En fejl i trin to bliver til input for trin tre og forplanter sig gennem resten.

Til opslag, oversættelse, omskrivning og klassifikation af korte tekster er CoT ren omkostning. Der findes ingen delskridt at eksplicitere, og prompten koster tokens og ventetid uden gevinst. Modeller som GPT-5 nano og Gemini 3.7 Flash vælges typisk netop på latenstid, og CoT æder den fordel op.

Større reasoning-modeller som Claude Opus 5, GPT-5.6 Sol og Gemini 3.1 Pro udfører allerede intern trinvis behandling, før de svarer. En manuel CoT-instruktion oven i det ændrer sjældent kvaliteten mærkbart og kan gøre outputtet unødigt langt. Teknikken har stadig værdi, når du selv skal kunne læse og kontrollere skridtene, men ikke som generel accuracy-forbedring.

Den alvorligste fælde er falsk tryghed. En kæde, der ser velstruktureret ud, er ikke et bevis for, at den er korrekt. Modeller producerer regelmæssigt flydende begrundelser med en aritmetisk fejl eller en ugyldig slutning midt i, og en forkert præmis i trin ét bliver båret hele vejen igennem uden at blive udfordret. Læsbarhed er ikke det samme som validitet.

Behandl kæden som noget, der skal verificeres, ikke som dokumentation for at svaret holder. Tjek delresultaterne enkeltvis, især overgangene mellem trin, hvor fejl typisk opstår uden at blive markeret.

Til opgaver med et entydigt facit kan self-consistency bruges som billig kontrol. Kør prompten tre til fem gange og se, om svarene stemmer overens. Spredning i resultaterne er et tydeligt signal om, at opgaven ligger på kanten af, hvad modellen kan løse pålideligt.

Hvor det er muligt, er ekstern verifikation stærkere end flere kæder. Lad modellen skrive kode, der udfører beregningen, eller kontrollér tal mod en kilde. CoT gør fejl synlige, men fjerner dem ikke.