Chain-of-Thought

Introduksjon

Læringsmål

Når du er ferdig med å lese avsnitt 4 skal du kunne:

• Forklare hva Chain-of-Thought er
• Forklare hva few-shot er og når det passer
• Velge mellom ulike resoneringsmetoder for ulike typer oppgaver

Det finnes en teknikk som er kraftfull for komplekse, flerstegsproblemer: å be modellen vise tankeprosessen sin før den gir svaret. Dette kalles Chain-of-Thought (CoT) prompting.

Chain-of-Thought – få modellen til å tenke høyt

Modeller som oppfordres til å tenke steg for steg gir svar som er:

• Mer korrekte i kompleks resonnering
• Gjennomgåbare — du kan følge hvert steg
• Lettere å stille spørsmål ved og justere

Aktiver CoT med fraser som:

• “Tenk steg for steg.”
• “Beskriv resoneringen din før du gir svaret.”
• “Analyser systematisk, deretter konklusjon.”
• “Identifiser relevante faktorer, vurder hver av dem, gi deretter en anbefaling.”

Uten CoT:

Prompt: Skal vi akseptere dette anbudet?
[Kontraktstekst vedlagt]

Svar: Ja, anbudet virker akseptabelt.

Med CoT:

Prompt: Analyser om vi skal akseptere dette anbudet.
Beskriv resoneringen din steg for steg og gi deretter en konklusjon.
[Kontraktstekst vedlagt]

Svar:
Steg 1: Sjekker anbudsbeløp mot budsjett – 2,3 MNOK,
  innenfor godkjent ramme...
Steg 2: Identifiserer avvikende klausuler – punkt 3.2 gir
  leverandøren ensidig fortolkningsrett...
Steg 3: Vurderer leveringstid – 16 uker mot spesifiserte
  12 uker...
Konklusjon: Anbudet bør ikke aksepteres uten forhandling om
  punkt 3.2 og leveringstiden.

Few-shot – vis heller enn beskriv

Few-shot prompting betyr at du gir modellen ett eller flere konkrete eksempler på hvordan du vil at svaret skal se ut, i stedet for bare å beskrive det. Du viser mønsteret modellen skal følge.

Uten few-shot (beskriver formatet):

Svar i formatet: sak, vurdering, anbefaling.

Med few-shot (viser formatet):

Eksempel:
Sak: Leverandør ber om 30 dagers betalingsfrist.
Vurdering: Overstiger vår standard på 20 dager.
Anbefaling: Forhandle ned til 20 dager eller be om motytelse.

Few-shot er effektivt når du vil styre tone, struktur eller detaljnivå — ting som er vanskelig å forklare i ord men enkelt å vise.

Flere teknikker i verktøykassen

Tanken bak alle disse promptyipsene er ikke å bruke alle, men heller å ha en verktøykasse å bruke i ulike situasjoner.

Perspektivanalyse – utforsk alternativer systematisk

For komplekse beslutninger: be modellen analysere spørsmålet fra flere perspektiver før den anbefaler.

Analyser [spørsmålet] fra tre perspektiver: økonomisk, juridisk
og virksomhetsperspektiv. Vurder fordeler og ulemper med
hvert perspektiv. Gi deretter en avveid anbefaling.

Step-Back Prompting – etabler konteksten først

Step-Back Prompting betyr at du ber om en bredere analyse før du ber om det spesifikke svaret. Det reduserer risikoen for at modellen går glipp av viktig kontekst.

Direkte spørsmål (risikerer å miste kontekst):

Hvilken anskaffelsesform passer dette prosjektet?

Med Step-Back Prompting:

Del 1: Hvilke faktorer avgjør valget av anskaffelsesform
etter anskaffelsesregelverket?

Del 2: Gitt disse faktorene og at prosjektet gjelder
[beskrivelse], hvilken form er mest hensiktsmessig?

Self-Ask Decomposition – bryt ned komplekse spørsmål

Når et spørsmål spenner over flere kunnskapsdomener: la modellen bryte ned spørsmålet i delspørsmål og besvare dem separat.

Spørsmål: Hva må vi tenke på før en overgang til ny
IT-plattform?

Instruksjon: Identifiser delspørsmålene som må besvares
for et komplett svar. Besvar hvert delspørsmål separat.
Syntetiser deretter et sammenhengende svar.

Modellen identifiserer: tekniske krav, juridiske aspekter, anskaffelser, personalsaker, datamigrering — og behandler dem én om gangen.

En ting å ha i bakhodet om disse teknikkene

Chain-of-Thought, few-shot, Step-Back Prompting og Self-Ask Decomposition er i bunn og grunn varianter av den samme ideen: å styre hvordan modellen tenker og strukturerer svaret sitt, ikke bare hva den svarer. De har fått ulike navn i forskning og blogginnlegg, men grensen mellom dem er ofte flytende i praksis.

Det finnes ingen rette svar på hvilken teknikk som er “best”. Hva som fungerer avhenger av oppgavens karakter, men også av hvilken modell du bruker. Noen modeller svarer bedre på eksplisitte steg-for-steg-instruksjoner, andre håndterer few-shot-eksempler mer naturlig. Det er verdt å eksperimentere.

Prøv nå: Velg et komplekst spørsmål fra arbeidshverdagen din — gjerne noe med flere aspekter å veie. Still spørsmålet direkte. Still deretter nøyaktig samme spørsmål og legg til: “Beskriv resoneringen din steg for steg før du gir konklusjonen din.” Sammenlign svarene!

Oppsummering

• Chain-of-Thought gjør svar gjennomgåbare: aktiveres med fraser som “tenk steg for steg”
• Few-shot viser mønsteret i stedet for å beskrive det: effektivt for tone, struktur og detaljnivå
• Perspektivanalyse hjelper ved komplekse beslutninger: utforsker alternative vinkler før valg
• Step-Back Prompting gir bedre kontekstuell forståelse: etabler grunnlaget før du ber om det spesifikke
• Self-Ask Decomposition håndterer flerdoménespørsmål: bryt ned kompleksiteten steg for steg

Test kunnskapen din

1Spørsmål 1 av 22Spørsmål 2 av 2

Spørsmål 1 av 2

Spørsmål 1 av 2

Hva er hovedformålet med Chain-of-Thought prompting?

Hva er hovedformålet med Chain-of-Thought prompting?

• Å få kortere og mer konsise svar
• Å tvinge modellen til å bruke XML-tagger
• Å gjøre modellens resonering synlig og mer gjennomgåbar
• Å gi modellen flere eksempler

Tilbake Neste