プロンプトエンジニアリングとChain-of-Thought(CoT)

CoT(Weiら)は思考過程を中間出力として生成させることで、複雑な問題を小さな推論ステップに分解し、LLMの論理的整合性を劇的に向上させます(Zero-shot-CoTでは「Let's think step by step」と付加)。 ア:正解です。推論過程を明示的に出力させることで、答えを一発で出力するよりも高い論理精度が得られます。 イ:誤りです。例示を一切与えずに直接指示するのがZero-shotです。例示を与えるのはFew-shotです。 ウ:誤りです。文脈内学習(In-Context Learning)であり、モデルの重みパラメータ自体は一切更新されません。 エ:誤りです。数学の文章題、記号操作、多段論理推論で最も劇的な効果を発揮します。

LLMの推論能力を引き出すプロンプトエンジニアリング技術に関する記述として、最も適切なものを1つ選択してください。

出典G検定オリジナル模擬試験
ア
Chain-of-Thought(CoT:思考の連鎖)プロンプティングは、「ステップ・バイ・ステップで順を追って考えましょう」などの誘導や推論プロセスの例示を与えることで、複雑な数学的推論や論理パズルの正答率を大幅に向上させる手法である。
イ
Zero-shotプロンプティングとは、プロンプトの中に100個以上の詳細な正解例題を列挙して入力する手法である。
ウ
Few-shotプロンプティングを行うと、モデルのパラメータ(重み)がその場で永続的に書き換えられる。
エ
CoTプロンプティングは要約タスクにのみ適用可能であり、算数や記号推論には一切効果がない。