CoT

思维链（Chain-of-Thought, CoT）是一种通过显式生成中间推理步骤来激发大语言模型复杂推理能力的提示技术，2022年由Google Research在一篇奠基性论文中首次系统性地证明其有效性。其核心做法是在提示中加入"思考过程"的范例，引导模型将问题拆解为多个步骤逐步解决，而非直接输出最终答案。

从认知科学视角看，CoT被视为让模型从快速直觉的"系统1"转向缓慢深思熟虑的"系统2"的关键路径。这一思路随后演化出多个变体与扩展：思维树（Tree of Thoughts）将线性链条扩展为多路径探索；ReAct框架则将推理与行动深度交织；而Meta AI在2024年底提出的Coconut（连续思维链）更进一步，尝试让推理过程在潜在空间而非语言token中进行，以减少离散化约束并降低token消耗。

在应用层面，CoT已成为现代Agent架构的基础组件之一。OpenAI的o1系列模型即通过结合强化学习与过程奖励模型（PRM），在思维链的每一步对解法打分以追求最优解；Kimi的视觉思考模型k1也展示了CoT在物理、化学等基础科学领域的可扩展性。不过，线性资本的一篇文章也指出，CoT对模型规模有门槛要求——通常需要千亿参数以上的模型才能有效利用多步依赖性，较小模型反而可能表现更差。