自我一致性：多次采样取多数

自我一致性是提升推理准确率的技巧：让模型对同一问题生成多条推理链，取出现最多的答案。它用“多投票”的方式对抗单次采样的随机性，成本极低效果显著。

自我一致性的智慧很朴素：不确定的时候，多问几次取多数。这个方法人类早就无意识地在使用——重大决策前听听不同人的意见。统计的力量就藏在这些朴素的重复里。

## 核心要点

图片来源：Openverse / perthhdproductions（https://www.flickr.com/photos/78675950@N03/8050751362）

1. 它利用了正确答案比错误答案更“一致”的规律。

2. 通常采样 5-20 条推理链即可。

3. 与思维链配合使用，是提示词工程的经典组合。

4. 这是用算力换准确率的最简单范例。

图片来源：Openverse / Rosa Menkman（https://www.flickr.com/photos/68716054@N00/5486667090）

## 写在最后

以上是关于「自我一致性」的科普介绍。人工智能正在快速发展，相关概念和方法也在不断演进。希望本文能帮你建立对这一主题的基本认识。