複雑な数学的推論や論理問題をLLMに解かせる際、精度を向上させるために最も効果的なプロンプトエンジニアリング手法はどれですか？
正解： チェーンオブソート（Chain-of-Thought）プロンプティング：「ステップごとに考えてください」と推論過程を明示させる。 Chain-of-Thought（CoT）プロンプティングは、モデルに中間推論ステップを生成させることで、複雑な問題の正解率を大幅に向上させる手法です。Googleの研究で「Let's think step by step」というフレーズが推論精度を向上させることが示されました。 選択肢Aのロールプロンプティングは単にロールを与えるだけでは複雑な推論には対処しきれません。 選択肢Dのゼロショットプロンプティングは例示なしでは複雑な問題に対応できません。 選択肢Cのネガティブプロンプティングは主に画像生成や内容制御で用いられます。