Cadena de pensamiento

Técnica que empuja al modelo a exponer pasos intermedios de razonamiento en lenguaje natural antes de dar la respuesta final, en lugar de saltar directamente a ella. Al descomponer el problema, mejora el desempeño en tareas que requieren varios encadenamientos lógicos y deja el razonamiento a la vista para poder auditarlo.

En el curso

Módulo 1 — se presenta al explicar cómo los agentes descomponen una consulta en tareas menores de forma semiautónoma, sin que el usuario tenga que hacer prompting de cada paso; la analogía es la de un chef siguiendo una receta compleja. El ejemplo del material: ante la decisión de expandirse al Mercado A o al B, el modelo analiza por separado tamaño de mercado, competencia y entorno regulatorio antes de concluir. El módulo enlaza el videocast del Dr. John Williams sobre Chain-of-Thought Prompting.

Módulo 4 — aparece con una advertencia, dentro del inventario de limitaciones de los agentes: la técnica guía al modelo por pasos intermedios, pero los beneficios reales solo se materializan en arquitecturas muy grandes (Wei et al., 2023). Los modelos pequeños producen explicaciones fluidas y convincentes que son, sin embargo, fundamentalmente ilógicas.

Relacionado

Ingeniería de prompts · Ventana de contexto · Agente de IA · Alucinación · Orquestación