Chain-of-Thought (cadeia de pensamento) é uma técnica simples mas poderosa: você pede ao modelo que 'pense em voz alta' antes de dar a resposta final. Em vez de pular direto à conclusão, o modelo escreve o raciocínio intermediário — como um estudante que mostra o desenvolvimento numa prova de matemática.
O resultado prático é impressionante. Em benchmarks de raciocínio lógico e matemático, adicionar a instrução 'pense passo a passo' pode dobrar a taxa de acertos do modelo. A hipótese é que o processo de escrever os passos intermediários ajuda o modelo a 'ativar' representações de conhecimento mais relevantes.
Modelos como o o1 e o3 da OpenAI e o Claude 3.7 foram treinados especificamente para fazer chain-of-thought de forma mais profunda, usando 'pensamento estendido' antes de responder. Isso os torna muito melhores em problemas difíceis de programação, matemática e raciocínio lógico — ao custo de respostas mais lentas e caras.