自动思维链（Auto-CoT）
自动生成推理链，消除手工编写示例的工作量
什么是自动思维链？
当使用链式思考提示时，通常需要手工制作有效且多样化的例子。这种手动工作可能会导致次优解决方案。Zhang 等人（2022）提出了一种消除人工工作量的方法——利用大语言模型与"让我们一步一步地思考"提示来生成一个接一个的推理链。
这种自动过程仍然可能在生成的链中出现错误。为了减轻错误的影响，演示的多样性很重要。这项工作提出了 Auto-CoT，它对具有多样性的问题进行采样，并生成推理链来构建演示。
Auto-CoT 的两个阶段
Auto-CoT 主要由两个阶段组成：
阶段 1：问题聚类
将给定问题划分为几个聚类。通过聚类可以确保覆盖不同类型的问题，从而提高生成推理链的多样性。
阶段 2：演示抽样
从每组聚类中选择一个具有代表性的问题，并使用带有简单启发式的零样本 CoT 生成其推理链。
简单的启发式方法可以是问题的长度（例如，60 个 Token）和理由的步骤数（例如，5 个推理步骤）。这鼓励模型使用简单而准确的演示。
Auto-CoT 的优势
- 消除手工工作：不需要手动编写大量示例，节省时间和人力成本
- 多样性保证：通过问题聚类确保生成的推理链覆盖不同类型的问题
- 自动化流程：整个流程可以自动化执行，适合大规模应用
- 减少错误：通过多样性采样减轻单个错误推理链的影响
注意事项
虽然 Auto-CoT 可以自动生成推理链，但这种自动过程仍然可能在生成的链中出现错误。为了减轻错误的影响，演示的多样性很重要。通过问题聚类和代表性抽样，可以在一定程度上降低错误率。
总结
自动思维链（Auto-CoT）是链式思考提示的一种自动化扩展，通过聚类问题和生成代表性推理链，消除了手工编写示例的工作量。这种方法特别适合需要大量示例的复杂推理任务。