ひとことで言うと
チェーンオブソート（Chain-of-Thought）は、LLM に「まず〜を確認し、次に〜を判断する」というように、推論の手順を出力させながら答えへ導く プロンプトエンジニアリング の技法です。
どんな場面で使うか
- 複数ステップの計算や論理推論が必要な時
- 「なぜその結論になったか」根拠を確認したい時
- 複雑な条件分岐を含む判断をさせる時
- 回答の正確さを上げたいが追加学習はしたくない時
なぜ精度が上がるのか
LLM は一気に結論を出すと途中の判断が雑になりやすい傾向があります。手順を言語化させることで、モデルが各ステップを順に処理できるようになり、単純に答えだけ求めるより誤りが減ります。ゼロショット の場合は「ステップごとに考えてください」と一言加えるだけで効果が出ることもあります。
実務で気にするポイント
- 推論手順が長くなるほど トークン 消費と応答時間が増える
- 手順が正しくても最終結論が誤っている場合がある。最後の答えを別途確認する
- 業務の判断基準をステップとして明示すると、意図した順序で推論させやすい
- 数ショット と組み合わせて「良い推論の手順例」を示すとさらに安定する
注意: チェーンオブソートは精度補助の技法であり、モデルの知識の外にある事実を補うものではありません。根拠がない情報をもっともらしく組み立てる ハルシネーション は引き続き起こりえます。