Prompt分析
Self-Consistency 自洽性：让模型多次采样投票，把单次推理的准确率提升 20%
CoT 让模型线性推理，但单次推理可能走错路径。Self-Consistency 让模型对同一问题生成多条推理链，再对最终答案投票取多数，用'群体智慧'抵消单次偏差。本文拆解 Self-Consistency 与 CoT、ToT 的差异，给出采样参数调优、投票策略选择与适用场景判断。
2026-08-07
#Prompt技巧#Self-Consistency
#推理增强
共 3 篇内容，涉及 1 个模块
Prompt3
Prompt分析
Step-back Prompting 退一步思考：让 LLM 先抽象原则再解题，复杂推理准确率提升 30%
面对复杂问题，模型常陷入细节纠缠而错过底层规律。Step-back Prompting（Zheng et al., 2023）让模型先问一个更高层次的抽象问题，再把普适原则带回原问题求解。本文拆解 Step-back 与 CoT、Self-Consistency 的差异，给出两阶段模板与三类典型场景，并附可直接复用的 Prompt 框架。
2026-08-02
#Prompt技巧#Step-back
Prompt分析
Tree of Thoughts 思维树：让 LLM 学会像专家一样多条路径并行推理
当思维链（CoT）遇到复杂决策、创意发散或博弈类问题时常常一条道走到黑。Tree of Thoughts（ToT）通过让模型同时展开多条思维路径、自我评估并回溯剪枝，把单向推理升级为搜索式推理。本文拆解 ToT 的原理、四步模板与三类典型场景，并给出可直接复用的 Prompt 框架。
2026-07-31
#Prompt技巧#Tree of Thoughts