Chain of Thought 4장 카드뉴스

AI 활용 분야에서 쓰이는 Chain-of-Thought(생각의 사슬)의 약자로, LLM에게 답을 곧장 내놓지 말고 풀이 과정을 단계별로 노출하라고 지시해 정답률을 끌어올리는 프롬프트 기법입니다.

수학 시험에서 정답만 쓰지 말고 풀이 과정을 같이 적으라고 시키면 더 정확해지는 것과 같은 원리예요. LLM에게도 "바로 답하지 말고 단계별로 생각해 봐"라고 부탁하면, 모델이 중간 계산을 노출하는 과정에서 스스로 오답을 잡아냅니다. 조별 과제 발표에서 결론만 말하는 친구보다 근거를 한 단계씩 풀어 말하는 친구가 교수님 평가가 좋은 것과 비슷해요. 수학·논리·다단 추론처럼 한 번에 못 푸는 문제에 특히 효과가 크고, "단계별로 풀어 줘" 한 줄만 덧붙여도 같은 모델·같은 질문의 정답률이 눈에 띄게 달라집니다.

**케이스 1: Google PaLM 540B — 초등 수학 문장제 정답률 17%에서 57%로** Wei et al. 논문은 PaLM 540B 모델에 8개의 단계별 풀이 예시를 붙여 GSM8K 수학 문장제 벤치마크를 측정했습니다.[1] 표준 Few-shot 프롬프트는 정답률 17.9%에 그쳤지만, 같은 예시를 풀이 과정과 함께 보여주는 CoT 프롬프트를 붙이자 56.9%까지 올랐습니다.[1]