チェーンオブソートとは？

チェーンオブソート（Chain-of-Thought、CoT）とは、大規模言語モデル（LLM）において、最終的な答えを直接出力するのではなく、「考える過程（思考の連鎖）」を段階的に示してから結論に至らせるプロンプト技法・推論手法です。2022年にGoogleの研究者らによって提案・体系化されました。

通常のプロンプトでは「問題 → 回答」という直接的な出力を求めますが、チェーンオブソートでは「問題 → ステップ1の推論 → ステップ2の推論 → … → 最終回答」という形式で思考を展開させます。これにより数学的推論・論理問題・常識推論など、複数のステップを要するタスクで正答率が大幅に向上することが実験で示されています。

主な手法には以下があります。

• Few-shot CoT：「考え方の例」を数件プロンプトに含めてモデルに示す方法
• Zero-shot CoT：「ステップバイステップで考えてください」という指示だけで思考を引き出す方法
• 自動CoT：モデル自身が多様な推論チェーンを自動生成する手法

近年では推論モデル（OpenAIのo1シリーズやAnthropicのExtended Thinkingなど）が内部的にチェーンオブソートを活用し、より高度な問題解決能力を実現しています。AIプロンプトエンジニアリングの重要技術として、ビジネスや研究の場で広く応用されています。