Chain of Thought
F'din il-paġna
Irraġuna pass pass
Chain of Thought (CoT) hija teknika li titlob lill-mudell jiddettalja r-raġunament tiegħu qabel ma jagħti t-tweġiba finali tiegħu. Minflok ma jaqbeż direttament għall-konklużjoni, il-mudell jispjega kull pass loġiku, li jtejjeb b’mod sinifikanti l-kwalità tat-tweġibiet f’kompiti li jeħtieġu raġunament. Bil-mudelli Mistral, dan iwassal għal riżultati eċċellenti fil-loġika, il-matematika, l-analiżi u t-teħid ta’ deċiżjonijiet.
Biex tifhem għaliex dan jaħdem, ftakar kif il-mudell jiġġenera t-test: token wara token, fejn kull token jiddependi fuq dawk kollha ta’ qablu. Meta mudell ikollu jwieġeb mistoqsija kumplikata direttament, ikollu ftit tokens biss biex “jaħseb”—it-tweġiba trid toħroġ kważi immedjatament. Billi titloblu jiddettalja r-raġunament tiegħu, tagħtih l-ispazju biex jaqsam il-problema f’sottoproblemi sempliċi, jivverifika kull pass qabel ma jgħaddi għall-ieħor, jidentifika informazzjoni rilevanti fost id-data pprovduta, u fl-aħħar mill-aħħar inaqqas l-iżbalji tar-raġunament bħall-alluċinazzjonijiet. Ir-raġunament miktub mhuwiex ħsieb tardiv: huwa fejn iseħħ il-kalkolu.
CoT Sempliċi: istruzzjoni waħda biżżejjed
L-aktar forma bażika tikkonsisti fiż-żieda ta’ frażi sempliċi ta’ istruzzjoni fit-tmiem tal-prompt tiegħek:
A restaurant has 15 tables. Each table can seat 4 people.
The restaurant is 80% full. How many people are present?
Reason step by step before giving your answer.
Il-mudell imbagħad se jipproduċi xi ħaġa bħal din:
Step 1: Total capacity = 15 tables × 4 people = 60 people
Step 2: Occupancy rate = 80% = 0.80
Step 3: People present = 60 × 0.80 = 48 people
Answer: 48 people are present in the restaurant.
Mingħajr l-istruzzjoni “reason step by step”, il-mudell jista’ jagħti “48” direttament—korrett hawnhekk—imma jista’ wkoll jagħmel żball f’kalkolu intermedju mingħajr ma tkun tista’ tidentifika fejn. Dan huwa t-tieni benefiċċju ta’ CoT, inqas magħruf iżda daqstant prezzjuż: ir-raġunament viżibbli huwa verifikabbli. Meta tweġiba tidher stramba għalik, il-pass ħażin joħroġ fid-dieher.
CoT Strutturat: iggwida l-passi
Għal kompiti aktar kumplessi, titlobx biss għar-raġunament: ippreskrivih. Imaġina analiżi ta’ investiment:
Evaluate whether this startup is a good investment.
Data:
- Revenue 2025: €2.3M (growth +45% YoY)
- Burn rate: €180K/month
- Runway: 14 months
- Addressable market: €500M
- Team: 22 people, 3 technical founders
Reason according to these steps:
1. Analyze financial health (revenue, burn, runway)
2. Evaluate market potential (size, current penetration)
3. Evaluate the team (skills, size)
4. Identify key risks (3 max)
5. Provide your conclusion with a confidence score (low/medium/high)
Billi tippreżkrivi l-passi, tiżgura li l-mudell ikopri l-aspetti importanti kollha, fl-ordni t-tajba, mingħajr ma jaqbeż dak li jimpurtak. Jekk jitħalla ħieles, jista’ jiddiskuti b’mod estensiv dwar is-suq u jgħaġġel l-analiżi finanzjarja; jekk iggwidad, jittratta l-ħames aspetti kollha b’mod sistematiku.
Meta tuża Chain of Thought — u meta taqbeżha
CoT hija għal kompiti fejn tista’ tmur żball matul it-triq: problemi matematika b’diversi passi, stimi, analiżi tad-data (interpretazzjoni ta’ metriċi, identifikazzjoni ta’ tendenzi), teħid ta’ deċiżjonijiet billi tqabbel għażliet, debug tal-kodiċi jew logs tal-iżbalji, raġunament loġiku u deduzzjonijiet. F’dawn is-sitwazzjonijiet kollha, kull pass intermedju huwa punt ta’ kontroll li jipprevjeni l-propagazzjoni tal-iżbalji.
Min-naħa l-oħra, CoT hija inutili—xi kultant kontra-produċenti—meta m’hemm xejn x’tispjega. Għal mistoqsija fattwali sempliċi bħal “X’inhi l-kapitali tal-Italja?”, din iżżid il-latency u t-tokens mingħajr ma ttejjeb xejn. Fil-kitba kreattiva, ir-raġunament strutturat jista’ anki jfixkel il-kreattività. It-traduzzjoni hija aktar intuwittiva milli loġika, u r-riformulazzjoni ma teħtieġ l-ebda deduzzjoni. Ir-rifless it-tajjeb: staqsi lilek innifsek jekk inti stess tiktbix kalkoli għal dan il-kompitu. Jekk le, ffranka lill-mudell.
CoT bil-few-shot
Il-kombinazzjoni ta’ Chain of Thought mat-teknika few-shot mil-lezzjoni ta’ qabel hija partikolarment qawwija: minflok ma tiddeskrivi kif għandek tirraġuna, turiha permezz ta’ eżempju sħiħ ta’ raġunament ta’ suċċess.
messages = [
{
"role": "system",
"content": "You are an analyst who reasons step by step."
},
{
"role": "user",
"content": """An e-commerce site has 10,000 visitors/day, a conversion rate
of 2.5% and an average cart value of €65. What is the daily revenue?"""
},
{
"role": "assistant",
"content": """Reasoning:
1. Number of orders/day = 10,000 × 2.5% = 250 orders
2. Daily revenue = 250 × €65 = €16,250
Answer: Daily revenue is €16,250."""
},
{
"role": "user",
"content": """A SaaS has 5,000 active users, a monthly churn rate
of 3% and an average revenue per user of €49/month. What will the MRR
be in 3 months if no new customers arrive?"""
}
]
Il-mudell se jirriproduċi l-istess skema—blokk numerat ta’ “Reasoning”, imbagħad linja ta’ “Answer”—għall-mistoqsija l-ġdida. Tikseb kemm ir-riġorożità ta’ CoT kif ukoll il-konsistenza tal-format tal-few-shot.
Ikkontrolla l-verbosità tar-raġunament
Kultant trid ir-raġunament iżda mhux rumanz. Tikkontrolla d-dożaġġ fl-istruzzjoni nnifisha. Għal raġunament sħiħ, itlob: “Detail every step of your reasoning before concluding.” Għal verżjoni aktar konċiża: “Reason briefly (2-3 steps max) then give your answer.” U għall-produzzjoni, l-aktar varjant utli jissepara r-raġunament mit-tweġiba bl-użu ta’ tags:
Reason within <reasoning></reasoning> tags
then provide your final answer within <answer></answer> tags.
Dan l-aħħar approċċ jagħtik l-aħjar taż-żewġ dinjiet: il-kodiċi tiegħek jiestraksi biss il-kontenut tat-tag <answer> biex jurih lill-utent finali, filwaqt li r-raġunament sħiħ jibqa’ disponibbli fil-logs għad-debug. Meta tweġiba fil-produzzjoni tirriżulta ħażina, tiftaħ il-log u tara eżattament fejn ir-raġunament ħareġ mill-binarji.
Punti Ewlenin
- Chain of Thought titlob lill-mudell jirraġuna qabel ma jwieġeb—deċiżiv għal-loġika, il-kalkolu u l-analiżi
- Iggwida l-passi b’mod espliċitu għal kompiti kumplessi
- Għaqqad CoT u few-shot għall-effiċjenza massima
- Inutili għal mistoqsijiet sempliċi jew kitba kreattiva
- Uża tags XML biex tissepara r-raġunament mit-tweġiba fil-produzzjoni