Clicked Gallery

Was ist Chain-of-Thought-Reasoning?

Markiert in einem echten Engineering-Dokument. Erklärt von Clicked.

Im Satz verwendet

Engineering Notes · AI Systems

The model uses chain-of-thought reasoning, spending several seconds working before it answers.

Der Leser markierte ein Wort in der Dokumentation. Clicked erklärte den Fachbegriff „chain-of-thought“ in einfacher Sprache:

In drei Stufen erklärt

Gleiche Fakten, anderer Vibe — Slang-Modus 😎

Die Clicked-Methode

●○○

Overview

Chain-of-Thought-Reasoning ist ein KI-Modell, das ein Problem in Schritten durcharbeitet, bevor es antwortet, statt sofort zu reagieren. Die Zwischenschritte auszuschreiben macht es bei allem, was mehrere Stufen braucht, deutlich genauer, etwa bei Mathematik oder Logik. Es ist die Technik hinter den neueren Modellen, die sichtbar innehalten und nachdenken.
●○○

Overview

Chain-of-Thought ist das Modell, das die Aufgabe in Schritten durchgeht, statt eine Antwort herauszuplatzen. Die Schritte zu schreiben gibt ihm einen Ort für halbfertiges Denken, was es bei Mathe und Logik weit besser macht. Deshalb sitzen die neueren Modelle sichtbar da und denken, bevor sie antworten. 😎

Die Kurzfassung — oft reicht sie schon.

●●○

Detail

Ein Modell erzeugt seine Antwort Wort für Wort, und jedes Wort, das es schreibt, wird anhand der Wörter gewählt, die bereits auf der Seite stehen. Diese geschriebenen Wörter sind daher der einzige Ort, an dem es ein halbfertiges Ergebnis ablegen kann. Gib ihm eine Aufgabe mit drei Stufen, einem Preis, dann einem Rabatt, dann der Steuer, und verlange die Antwort sofort: Das Nächste, was es schreibt, muss die Endzahl sein, also müssen alle drei Stufen in diesem einen Zug passieren. Lass es die Stufen ausschreiben, und der rabattierte Preis steht als echte Zahl auf der Seite, die die Steuerstufe dann lesen und verwenden kann. Der Gewinn daraus ist groß und gemessen: Die ursprüngliche Studie von 2022 verdreifachte die Punktzahl eines Modells bei Grundschulmathematik mehr als, gleiches Modell, nur mit der Anweisung, Schritt für Schritt zu arbeiten. Schritt für Schritt kostet mehr, weil jeder Schritt Text ist, den das Modell erzeugen muss, sodass eine begründete Antwort ein Vielfaches der Rechenleistung verbrennt und länger dauert, weshalb Denkmodelle teurer abgerechnet werden. Ein Vorbehalt: Die gezeigten Schritte sind nicht garantiert die tatsächlichen Gründe des Modells, sodass eine saubere Kette trotzdem falsch enden kann.
●●○

Detail

Jedes Wort, das ein Modell schreibt, wird mit den Wörtern gewählt, die schon dastehen, womit diese Seite sein einziges Gedächtnis ist. Verlang eine direkte Antwort, und das Nächste muss die Endzahl sein, mit der kompletten Rechnung in diesen einen Zug gequetscht. Sag ihm, es soll laut arbeiten, und die Zwischenzahlen landen als echter Text auf der Seite, sodass der nächste Schritt sie einfach abliest. Teil eine Restaurantrechnung durch vier, Trinkgeld obendrauf: in einem Rutsch ist es geraten, den Zwischenbetrag erst aufzuschreiben macht den Rest trivial. Die Studie von 2022, die das losgetreten hat, verdreifachte die Grundschulmathe-Punktzahl eines Modells mehr als, nur indem sie es Schritt für Schritt arbeiten ließ. Nicht gratis allerdings, denn jeder Schritt ist Text, den es erzeugen muss, also zahlst du ein Vielfaches an Rechenleistung und wartest, weshalb die Denkmodelle pro Frage mehr kosten. Und trau der Show nicht ganz, denn die angezeigten Schritte sind nicht garantiert die echten Gründe, sodass eine wunderschöne Kette trotzdem selbstbewusst über die Klippe marschieren kann. 😎

Mehr? Ein Klick geht tiefer.

●●●

Analogy

Ein Schüler, der eine schriftliche Division komplett im Kopf rechnet, gegen einen, der sie aufschreibt. Gleicher Schüler, gleiche Rechnung, aber die Kopfversion bricht auf halbem Weg zusammen, weil es keinen Ort für die halbfertigen Zahlen gibt. Auf dem Papier bleibt jeder Schritt stehen und wartet, sodass der nächste Schritt sich nur mit dem befassen muss, was vor ihm steht. Das Papier macht niemanden klüger; es gibt der Arbeit einen Ort zum Wohnen.
Deepest level reached.
●●●

Analogy

Eine große Einkaufsrechnung an der Kasse im Kopf rechnen gegen sie ins Handy tippen. Gleiches Hirn in beiden Fällen, aber im Kopf verdampft die Zwischensumme, sobald du bei der Steuer bist. Im Handy bleibt jede Zahl stehen, während du die nächste rechnest. Das Handy hat dir kein Rechnen beigebracht; es hat nur verhindert, dass dir mittendrin etwas runterfällt.
Deepest level reached.

Neues Konzept? Ein Alltagsbeispiel macht’s greifbar — neue Analogien auf Knopfdruck.

KI-Erklärungen können Fehler enthalten · Keine professionelle Beratung

Formale Definition — Derselbe Begriff, wie er sonst erklärt wird

Chain-of-Thought-Reasoning bezeichnet das Prompten oder Trainieren eines Sprachmodells zur Erzeugung von Zwischenschritten vor der endgültigen Antwort, was die Leistung bei mehrstufigen arithmetischen, logischen und symbolischen Aufgaben deutlich verbessert. Da jeder erzeugte Schritt die weitere Generierung konditioniert, liefert das Verfahren ein Arbeitsgedächtnis, das der direkten Antwort fehlt; es erhöht Tokenverbrauch und Latenz, und die erzeugten Begründungen sind keine verlässliche Wiedergabe der tatsächlichen Berechnung.

Soll Clicked Begriffe wie „chain-of-thought“ direkt in deinem Browser erklären – auch in PDFs?

Zu Chrome hinzufügen — Kostenlos

50 kostenlose Erklärungen · Keine Kreditkarte nötig