ゼロショットCoTとは

Zero-shot Chain-of-Thought / Zero-shot CoT

推論過程の例を示すことなく「ステップバイステップで考えて」等の指示だけで段階的な推論を引き出すプロンプティング手法

ひとことで言うと

「順を追って考えて」と一言添えるだけで、AIに段階的に考えさせる方法。例文は不要。

概要

ゼロショットCoT(Zero-shot Chain-of-Thought)とは、推論過程を示す例(few-shotの例文)を用意することなく、「ステップバイステップで考えてください」といった単純な指示文を加えるだけで、LLMに段階的に推論させるプロンプティング手法。 通常のChain-of-Thoughtが問題と回答例を含むfew-shotプロンプトを必要とするのに対し、ゼロショットCoTはタスクごとに例文を用意する手間なく、指示文1つで同様の効果を狙える点が特徴。 few-shot CoTと比べると精度で劣る場合があるものの、プロンプトの作成コストが低く、様々なタスクに手軽に適用できる。

背景

few-shot CoTはタスクごとに推論過程を含む例文を用意する必要があり、プロンプト設計のコストがかかる。 この手間を省きつつ段階的推論の効果を得る方法として、指示文のみで推論過程を引き出すゼロショットCoTが提案された。

歴史

2022年、KojimaらがLarge Language Models are Zero-Shot Reasonersを発表し、「Let's think step by step」という指示文を追加するだけで、few-shotの例文なしにLLMの推論精度が向上することを示した。

利点

• タスクごとに例文を用意する必要がなく、プロンプト作成のコストが低い
• 様々なタスクへ同じ指示文を汎用的に適用できる

欠点

• タスクによっては、few-shot CoTに精度で劣る場合がある
• モデルの性能や規模によって効果の出方にばらつきがある

比較

• Chain-of-Thought — Chain-of-Thoughtは推論過程の例文を示すfew-shot方式を含む広い概念で、ゼロショットCoTはそのうち例文なしで指示文のみにより推論を引き出す手法
• Few-shot — few-shotがタスクの例をいくつか示す手法であるのに対し、ゼロショットCoTは例を示さず指示文のみで段階的推論を引き出す

関連用語

よくある質問

参考文献

• Research PaperLarge Language Models are Zero-Shot Reasoners