W podpowiedzi w postaci łańcucha myśli podano szereg pośrednich kroków rozumowania, aby poprawić zdolność modelu do wykonywania złożonych zadań. Na przykład możesz poprawić dokładność i szybkość reakcji SI na podpowiedź z kilkoma strzałami w poprzedniej sekcji, wyjaśniając, w jaki sposób doszedłeś do swoich odpowiedzi:
P: Jechałem przez 30 minut i przejechałem 30 mil. Jak szybko jechałem?
O: Jeśli przejechałeś 30 mil w 30 minut, to jest to 1 mila na minutę (30 mil / 30 minut), czyli 60 mil na godzinę 60 mil na godzinę = (30 mil / 30 minut) * (60 minut / 1 godzina)
P: Jechałem przez 10 minut i przejechałem 5 mil. Jak szybko jechałem?
O: Jeśli przejechałeś 5 mil w 10 minut, to jest to 0,5 mili na minutę (5 mil / 10 minut), czyli 30 mil na godzinę 30 mil na godzinę = (5 mil / 10 minut) * (60 minut / 1 godzina)
P: Jechałem przez 120 minut i przejechałem 100 mil. Jak szybko jechałem?
O: Ponownie, model będzie pracował nad problemem krok po kroku, mniej więcej zgodnie z tym samym formatem, co podane przez Ciebie przykłady. Według badania Google Research z 2022 r. („Chain-of-Thought Prompting Elicits Reasoning in Large Language Models”), podpowiedzi łańcuchowe mogą radykalnie poprawić zdolność sztucznej inteligencji do dokładnego wykonywania zadań arytmetycznych, zdroworozsądkowych i symbolicznych.