我們人類和ChatGPT的對話技巧也是需要學習的，有鑑於此，我想要一天分享一點「和ChatGPT對話的技術」，並且每篇文章長度控制在三分鐘以內，讓大家不會壓力太大，但是又能夠每天成長一點。
一篇題為「Plan-and-Solve Prompting: Improving Zero-Shot Chain-of-Thought Reasoning by Large Language Model」的論文提出了一種新方法來增強 LLM 在多步驟推理任務中的表現。它確定了現有 Zero-Shot Chain of Thought 提示方法中的三個主要缺陷，並引入了一種稱為「Plan-and-Solve」提示的新方法。此方法在規劃階段精心地將任務劃分為較小的子任務，然後解決這些子任務，證明了 GPT-3 的顯著表現提升，尤其是在數學推理問題上。 Chain of Thought 提示模板從這種創新方法中汲取靈感
進一步推進論述，「Automatic Chain-of-Thought Prompting in Large Language Models」論文提出了一種稱為 Automatic Chain of Thought Prompting 的新方法。這種方法可以自動產生各種問題的推理鏈，使過程免於人工干預。 Automatic Chain of Thought Prompting 使用 GPT-3 在 10 項公共基準推理任務上取得成功，為利用 LLM 的推理能力開闢了一條充滿希望的途徑，而無需複雜的手動操作
透過這些不同的方法論和評估，圍繞 Chain of Thought 的敘述不僅推動 LLM 更接近人類推理，而且闡明了未來探索的軌跡，旨在挖掘 LLM 能力尚未探索的維度
