Chain of thought o cadena de pensamiento

La técnica de prompting Chain of Thought, o cadena de pensamiento, mejora significativamente la calidad de respuesta de los modelos de lenguaje como ChatGPT. Aplicar este método implica guiar paso a paso las respuestas mediante instrucciones claras, para obtener resultados más precisos y coherentes. Veamos qué implica esta técnica y cómo sacarle el máximo provecho.

Chain of Thought consiste en pedir al modelo que explique, paso por paso, cómo llega a una respuesta determinada, especialmente ante preguntas que requieren razonamiento lógico. Antes de contar con modelos avanzados, era necesario indicar explícitamente en los prompts que “pensaran paso a paso”; los modelos actuales con capacidad de razonamiento avanzado ya operan bajo esta lógica por defecto.

Esta técnica mejora los resultados, pero necesita un mayor tiempo de procesamiento por parte del modelo.

¿Cuándo conviene usar chain of thougth?

• Resolución lógica de acertijos.

• Procedimientos matemáticos y científicos que siguen un orden definido. Por ejemplo, resolver ecuaciones siguiendo reglas establecidas como la jerarquía de operaciones matemáticas (primero paréntesis, luego multiplicación y división, finalmente suma y resta).

Ejemplo práctico

[CONTEXTO]
Necesito resolver el siguiente problema matemático: Un tren A sale de Madrid a las 8:00 AM viajando a 120 km/h hacia Valencia. Un tren B sale de Valencia a las 9:30 AM viajando a 90 km/h hacia Madrid. Si la distancia entre Madrid y Valencia es de 360 km, ¿a qué hora se cruzarán los trenes?

[INSTRUCCIÓN EXPLÍCITA CON CHAIN OF THOUGHT]
Por favor, resuelve este problema paso a paso. Piensa de forma estructurada:
1. Identifica los datos relevantes
2. Plantea las ecuaciones necesarias
3. Resuelve algebraicamente
4. Verifica tu respuesta

[FORMATO DESEADO]
Muestra cada uno de tus pasos de razonamiento y explica por qué sigues ese enfoque. Finaliza con una conclusión clara que responda directamente a la pregunta.