Chain-of-Thought Prompting

Prompting Chain-of-Thought (CoT) là một kỹ thuật nâng cao trong prompt engineering giúp các large language model (LLMs) giải quyết các tác vụ suy luận phức tạp bằng cách chia nhỏ chúng thành các bước logic trung gian. Thay vì yêu cầu model cung cấp ngay câu trả lời cuối cùng, CoT khuyến khích hệ thống tạo ra một "chuỗi suy nghĩ" mô phỏng cách con người giải quyết vấn đề. Quá trình suy luận từng bước này cải thiện đáng kể hiệu suất trên các tác vụ liên quan đến số học, logic ký hiệu và suy luận thông thường, làm thay đổi cách chúng ta tương tác với các hệ thống Trí tuệ Nhân tạo (AI).

Cơ chế của suy luận#

Các mô hình ngôn ngữ tiêu chuẩn thường gặp khó khăn với các bài toán đa bước vì chúng cố gắng ánh xạ dữ liệu đầu vào trực tiếp thành đầu ra trong một lần xử lý duy nhất. Cách tiếp cận "hộp đen" này có thể dẫn đến sai sót, đặc biệt khi bước nhảy logic quá lớn. Chain-of-Thought prompting giải quyết vấn đề này bằng cách chèn các bước suy luận giữa câu hỏi đầu vào và đầu ra cuối cùng.

Quy trình này thường hoạt động theo hai cách:

• Zero-Shot CoT: Người dùng thêm một cụm từ kích hoạt đơn giản như "Hãy suy nghĩ từng bước một" vào câu lệnh (prompt). Điều này kích hoạt các khả năng suy luận tiềm ẩn của mô hình mà không yêu cầu các ví dụ cụ thể.
• Few-Shot CoT: Prompt bao gồm một vài ví dụ (exemplars) về các câu hỏi đi kèm với các giải pháp theo từng bước. Điều này tận dụng few-shot learning để cho model thấy chính xác cách cấu trúc logic của nó trước khi thử giải quyết một bài toán mới.

Bằng cách tạo ra các suy luận trung gian một cách rõ ràng, model có nhiều cơ hội tự sửa lỗi hơn và mang lại tính minh bạch về cách nó đi đến kết luận. Điều này rất quan trọng để giảm thiểu hiện tượng ảo giác trong LLMs, nơi các model có thể đưa ra những thông tin sai lệch một cách tự tin.

Các ứng dụng trong thực tế#

Mặc dù ban đầu được phát triển cho logic dựa trên văn bản, Chain-of-Thought prompting có những ứng dụng mạnh mẽ khi kết hợp với các lĩnh vực AI khác, chẳng hạn như thị giác máy tính và tạo mã code.

1. Tăng cường tạo mã code cho thị giác máy tính#

Các lập trình viên sử dụng CoT để hướng dẫn LLMs viết các script phần mềm phức tạp cho các tác vụ như phát hiện đối tượng. Thay vì một yêu cầu mơ hồ như "viết code để tìm ô tô", một prompt CoT có thể cấu trúc yêu cầu: "Đầu tiên, import các thư viện cần thiết. Thứ hai, load model đã được huấn luyện trước. Thứ ba, định nghĩa nguồn ảnh. Cuối cùng, chạy vòng lặp dự đoán." Cách tiếp cận có cấu trúc này đảm bảo code được tạo ra cho các model như YOLO26 chính xác về mặt cú pháp và hợp lý về mặt logic.

2. Ra quyết định tự động#

Trong lĩnh vực xe tự hành, các hệ thống phải xử lý dữ liệu thị giác và đưa ra các quyết định an toàn quan trọng. Cách tiếp cận Chain-of-Thought cho phép hệ thống diễn đạt logic của nó: "Tôi phát hiện ra một người đi bộ gần vạch sang đường. Người đi bộ đang đối mặt với đường. Đèn giao thông đang xanh đối với tôi, nhưng người đi bộ có thể bước ra. Do đó, tôi sẽ giảm tốc độ và chuẩn bị dừng lại." Điều này làm cho các quyết định của AI có thể diễn giải được và phù hợp với các nguyên tắc AI giải thích được (XAI).

Chain-of-Thought trong thực tế#

Mặc dù CoT chủ yếu là một kỹ thuật ngôn ngữ tự nhiên, nó có thể được triển khai bằng lập trình để đảm bảo các tương tác nhất quán với các vision model. Ví dụ bằng Python sau đây minh họa cách một lập trình viên có thể cấu trúc prompt để hướng dẫn một LLM (được mô phỏng ở đây) tạo code inference hợp lệ cho Ultralytics Platform.

# Example of structuring a Chain-of-Thought prompt for an LLM
# This prompt guides the model to write a valid YOLO26 inference script

cot_prompt = """
Task: Write a Python script to detect objects using YOLO26.

Chain of Thought:
1. Import the YOLO class from the 'ultralytics' library.
2. Load the 'yolo26n.pt' model weights (the latest nano model).
3. Load a sample image using a URL or local path.
4. Run the predict() function and save the results.

Based on these steps, generate the Python code below:
"""

# In a real application, you would send 'cot_prompt' to an LLM API
print(f"Structured Prompt for LLM:\n{cot_prompt}")

Phân biệt các khái niệm liên quan#

Điều quan trọng là phải phân biệt prompting Chain-of-Thought với các thuật ngữ tương tự trong bối cảnh Machine Learning (ML):

• Prompt Chaining: Kỹ thuật này liên quan đến việc kết nối nhiều lệnh gọi model riêng biệt, trong đó output của bước này trở thành input của bước tiếp theo. CoT diễn ra trong một prompt đơn lẻ để kích thích suy luận nội bộ, trong khi prompt chaining điều phối một workflow qua nhiều lượt tương tác.
• Retrieval-Augmented Generation (RAG): RAG tập trung vào việc tìm nạp dữ liệu bên ngoài (như tài liệu hoặc cơ sở dữ liệu) để làm nền tảng cho kiến thức của model. CoT tập trung vào chính quá trình suy luận. Thường thì các phương pháp này được kết hợp—sử dụng RAG để lấy thông tin thực tế và CoT để suy luận về chúng.
• Prompt Tuning: Đây là một phương pháp fine-tuning hiệu quả về tham số nhằm tối ưu hóa các soft prompt liên tục (vector) trong quá trình huấn luyện. CoT là một chiến lược ngôn ngữ tự nhiên rời rạc được áp dụng tại real-time inference mà không làm thay đổi trọng số model.

Triển vọng tương lai#

Khi các foundation model tiếp tục phát triển, Chain-of-Thought prompting đang trở thành một best practice tiêu chuẩn để khai thác toàn bộ tiềm năng của chúng. Nghiên cứu từ các nhóm như Google DeepMind cho thấy khi các model mở rộng về quy mô, khả năng thực hiện suy luận CoT của chúng cải thiện đáng kể. Sự tiến hóa này đang mở đường cho các agent tự trị, đáng tin cậy hơn, có khả năng xử lý các workflow phức tạp trong các ngành công nghiệp từ y tế đến sản xuất thông minh.