ある開発チームが、LLM へ渡すプロンプトを設計している。プロンプトに「Chain-of-Thought（CoT）」技法を使う主な目的として最も適切なものはどれか。
- A. ハルシネーションを完全に排除し、事実に基づいた回答だけを出力させる
- B. モデルに段階的な推論手順を示させることで、複雑な問題に対する回答精度を高める
- C. プロンプトのトークン数を減らしてレスポンス速度を向上させる
- D. モデルのパラメータを動的に更新して、新しいタスクに素早く適応させる
解答と解説を見る
正解: B
Chain-of-Thought は、モデルが最終回答を出す前に中間的な推論ステップを記述するよう促す手法であり、算数・論理・マルチステップ推論タスクで正解率が大幅に向上することが実証されている。Cは誤り：CoT はむしろトークン数が増える傾向にある。Aは誤り：CoT はハルシネーション低減に一定の効果はあるが完全排除はできない。Dは誤り：パラメータの更新はファインチューニングであり、CoT はプロンプトエンジニアリングの手法であってモデル重みを変更しない。