Few-Shot Chain-of-Thought

Few-Shot Chain-of-Thought er en prompt hvor du viser to til fem løste opgaver, og hvor hver løsning indeholder de mellemregninger der fører frem til svaret. Modellen får altså ikke bare at vide hvad et korrekt svar ser ud som, men hvilken rækkefølge af delresultater der går forud for det.

Forskellen til almindelig few-shot er præcis dette mellemled. Klassisk few-shot består af input og output uden noget imellem, og den form belønner et hurtigt gæt på slutsvaret. Forskellen til zero-shot Chain-of-Thought er styringen: en instruktion som "tænk trin for trin" udløser mellemregninger, men du bestemmer ikke deres granularitet, notation eller længde. Med eksempler fastlægger du formen ved demonstration i stedet for ved beskrivelse.

Least-to-most ligger tættest på, men adskiller sig ved at nedbryde opgaven i delspørgsmål der besvares i separate trin eller kald. Few-Shot CoT holder hele løsningen i ét svar og lader eksemplerne bære strukturen.

En sprogmodel forudsiger næste token betinget af alt i context window. Når prompten indeholder flere løsninger med samme opbygning, forskydes sandsynlighedsfordelingen mod tokens der fortsætter det mønster. Efter spørgsmålet er det mest sandsynlige næste token ikke et facit, men første linje i en udregning.

De mellemliggende tokens har en beregningsmæssig funktion. Hver genereret token giver et nyt forward pass, og delresultater der er skrevet ud, kan læses igen som ren kontekst i de følgende trin. Et resultat som "40 % af 50 = 20" behøver derfor ikke holdes implicit i aktiveringerne, mens resten af opgaven behandles. Beregningen fordeles over flere skridt i stedet for at skulle presses ind i én afbildning fra spørgsmål til svar.

Eksemplerne bidrager desuden med domænekalibrering. De viser hvilke operationer der er relevante, hvilken præcision der forventes, og hvornår et trin er færdigt. Det reducerer variansen mellem kørsler, hvilket er grunden til at teknikken parres med lav temperature.

På opgaver med ét regnetrin eller ren opslagskarakter tilfører eksemplerne kun tokens og latency. Effekten af mellemregninger vokser med opgavens dybde, ikke med dens ordlyd.

Teknikken hjælper heller ikke når der ikke findes en verificerbar kæde. Vurdering af tone, valg mellem to lige gyldige formuleringer eller prioritering ud fra uklare kriterier får ikke højere kvalitet af at blive skrevet som nummererede trin. Du får en begrundelse der ser systematisk ud, uden at grundlaget er blevet bedre.

Det er den vigtigste risiko: den viste kæde er ikke nødvendigvis den beregning der producerede svaret. Modellen kan generere en plausibel udledning og et forkert facit, og formatet gør fejlen sværere at få øje på. Er ét af dine eksempler fejlbehæftet, bliver fejlen typisk reproduceret, fordi mønsteret er stærkere end den enkelte opgave.

Hos reasoning-modeller som Claude Opus 5, GPT-5.6 Sol og Gemini 3.1 Pro er den rene accuracy-gevinst desuden faldet mærkbart. De producerer allerede interne ræsonneringstrin, og eksemplerne bruges mest til at styre format og notation. På mindre modeller som GPT-5 nano, Claude Haiku 4.5 og Gemini 3.7 Flash er forskellen stadig tydelig.

Mønsterfølgen gælder også de dele af eksemplet du ikke havde tænkt på. Hvis alle dine eksempler løses i to trin, er der en reel tendens til at femtrinsopgaver også presses ned i to trin, og at et led springes over.

Modvirk det ved at variere dybden mellem eksemplerne og lade antallet af trin følge opgavens struktur frem for en fast skabelon. Hold samtidig selve slutsvaret i et fast, let genkendeligt format adskilt fra ræsonneringen, så output kan parses uden at du skal fortolke fritekst.