ある開発者が LLM に複雑な数学の文章題を解かせたところ、直接「答えを出力してください」と指示した場合に誤答が多発しました。追加のファインチューニングなしにプロンプトの工夫だけで精度を改善する手法として最も効果的なものはどれですか？
Chain-of-Thought（CoT）プロンプティングは、「ステップバイステップで考えてください（Let's think step by step）」などの指示や中間推論ステップを含む例示をプロンプトに追加することで、モデルが解答前に推論プロセスを展開できるようにする手法です。特に算数・論理・多段階推論タスクで顕著な精度向上が報告されています。 選択肢Aのゼロショットプロンプティングは例示なしの手法であり、論理推論精度の改善には特化していません。 選択肢Cのロールプロンプティングは役割付与の手法であり、論理推論精度の改善には特化していません。 選択肢Dのネガティブプロンプティングは主に画像生成AIで使われる除外指定の手法であり、論理推論精度の改善には特化していません。