開発者が複雑な数学の文章題に対するLLMの精度を改善しようとしています。プロンプトを「答えを出す前に、まず問題を段階的に分解して考えてください（Let's think step by step）」という指示を含む形に変更したところ、精度が大幅に向上しました。この手法の名称はどれですか？
CoT（Chain-of-Thought）プロンプティングは、モデルに段階的な推論プロセスを明示的に生成させることで最終回答の精度を高める手法です。「まず問題を段階的に分解して考えてください（Let's think step by step）」のような指示がその代表例であり、特に数学や論理推論など複数ステップの思考が必要なタスクで顕著な効果があります。 選択肢Aのゼロショットプロンプティングは例示なしに直接タスクを指示する手法であり、段階的な推論プロセスを促す仕組みは含まれていません。 選択肢Bのフューショットプロンプティングは少数の入出力例をプロンプトに含める手法であり、回答形式や傾向を示しますが、必ずしも推論ステップを明示するものではありません。 選択肢Dのロールプロンプティングはモデルに特定のペルソナや役割（例：「あなたは数学の専門家です」）を与えて出力スタイルや視点を変える手法であり、段階的推論を促すCoTとは目的が異なります。