開発者がAmazon Bedrockのモデルを使って複雑な多段階の数学・論理問題を解かせていますが、正解率が低いことが課題です。モデルの変更や追加コストなしに、プロンプトエンジニアリングだけで精度を向上させる最も効果的な手法はどれですか？
CoT（Chain-of-Thought：思考の連鎖）プロンプティングは、モデルが最終回答に至るまでの中間推論ステップを出力するよう誘導することで、複雑な多段階推論タスクの精度を大幅に向上させる。「Let's think step by step」のような一言を追加するだけで実現できるゼロショットCoTは、追加コストなしで効果的。 選択肢Aの「答えのみを1行で出力してください」という指示は推論過程を省略するため逆効果になる。 選択肢Cのテンペレチャを上げると多様性は増すが確率的ブレが生じ精度が低下しやすい。 選択肢Dの問題と無関係な例題を10件以上提示してもモデルの精度向上にはつながらず、コンテキストを圧迫しノイズとなる。