Schnellübersicht
📍 In One Sentence
Chain-of-Thought-Prompting fordert das Modell auf, vor der Antwort Zwischenschritte auszuführen, was die Genauigkeit bei mehrstufigem Denken erhöht — auf Kosten von mehr Tokens und langsameren Antworten.
💬 In Plain Terms
Sie fordern das Modell auf, den Rechenweg zu zeigen. Wer laut denkt, bemerkt eigene Fehler unterwegs, statt eine selbstbewusste Vermutung herauszuschießen. Deshalb hilft es bei Mathematik und Logik — und bringt nichts, wenn nur ein Fakt nachzuschlagen ist.
- 1Eingeführt von: Wei et al. (2022), Google Research (Brain Team) — Paper auf der NeurIPS 2022
- 2Kernergebnis: Zero-Shot CoT ("Let's think step by step") steigerte die Genauigkeit von InstructGPT (text-davinci-002) bei MultiArith von 17,7 % auf 78,7 % (Kojima et al., 2022)
- 3Auslösephrase: „Denken wir Schritt für Schritt" (Zero-shot) oder Beispiele (Few-shot)
- 4Entwicklung 2026: Integrierte Reasoning-Modi (OpenAI GPT-6 Astra, Claude Adaptive Thinking) automatisieren CoT intern
- 5Kostenfolge: Prompt-Level CoT = mehr Output-Token; Thinking-Modi = separates Thinking-Token-Budget
- 6Am besten für Prompt-Level CoT: Modelle ohne integrierten Reasoning-Modus, etwa die Instruct-Version von Llama 4 Scout und viele kleine lokale Modelle
Was Chain-of-Thought Prompting ist
Chain-of-Thought Prompting fordert das Modell auf, Schritt für Schritt zu argumentieren, bevor es zu einer abschließenden Schlussfolgerung kommt. Anstatt nur „die Antwort" zu geben, schreibt das Modell Zwischenberechnungen, logische Schritte oder Erklärungen auf.
Sie können dieses Verhalten durch Anweisungen wie „Denk Schritt für Schritt", „Zeig dein Denken" oder durch Beispiele auslösen, in denen die Argumentation explizit ist. Das Ergebnis ist ein schriftlicher Denkweg, den Sie lesen und prüfen können. Er spiegelt allerdings nicht immer wider, wie das Modell tatsächlich zu seiner Antwort gekommen ist (Turpin et al., 2023).
Warum Chain-of-Thought Prompting wichtig ist
Chain-of-Thought Prompting ist wichtig, weil es das Verhalten von Modellen bei mehrstufigen Denkaufgaben transparenter macht. Wenn Sie jeden Schritt sehen, können Sie Missinterpretationen, fehlende Annahmen oder Rechenfehler erkennen.
Dies ist besonders wertvoll in Bereichen wie Analytik, Planung und Fehlerbehebung. Statt einer einzigen undurchsichtigen Ausgabe erhalten Sie eine Erzählung, die überprüft, korrigiert oder als Dokumentation wiederverwendet werden kann.
🔍 Funktioniert mit lokalen Modellen
Der Nutzen von Chain-of-Thought hängt von der Modellgröße ab: Wei et al. (2022) stellten fest, dass es nur bei Modellen ab etwa 100 Mrd. Parametern half und kleinere Modelle oft flüssige, aber unlogische Schritte schrieben. Die Ergebnisse variieren je nach Modell und Aufgabe. Testen Sie lokale Modelle daher mit eigenen Prompts, zum Beispiel mit Ollama oder LM Studio.
Wann Chain-of-Thought hilft (und wann nicht)
Chain-of-Thought Prompting hilft am meisten bei Aufgaben, die sich natürlicherweise in klare Schritte unterteilen lassen, ist aber nicht für jeden Prompt notwendig. Es glänzt überall dort, wo der Weg genauso wichtig ist wie das Ziel.
Chain-of-Thought-Reasoning ist es, was einen Tool-Calling-Agenten über mehrstufige Aufgaben hinweg zuverlässig macht. Für einen lokalen Agenten-Stack, der einem CoT-fähigen Modell den Zugriff auf Datenbanken und Dateien gibt, siehe Lokale KI-Agenten mit MCP.
Gute Anwendungsfälle sind:
- Mathematische und quantitative Denkaufgaben.
- Mehrstufige logische Rätsel oder Entscheidungsanalysen.
- Ursachenanalyse, Incident Postmortems und Diskussionen über Kompromisse.
- Planungsaufgaben, bei denen die Abfolge der Aktionen explizit sein muss.
Bei einfacher Klassifizierung, schneller Werbetexterstellung oder kurzen faktischen Antworten führt Chain-of-Thought oft zu unnötiger Ausführlichkeit ohne großen zusätzlichen Nutzen. In sensiblen Bereichen möchten Sie möglicherweise auch das Denken intern behalten und nur die endgültige Antwort für Endbenutzer zeigen.
Beispiel für Chain-of-Thought-Reasoning: ohne und mit CoT
Der Unterschied wird deutlich, wenn Sie einen direkt-antwortenden Prompt mit einem vergleichen, der explizit Argumentation fordert. Hier ist ein einfaches Entscheidungsbeispiel.
Schlechter Prompt
"Welches Projekt sollten wir nächstes Quartal priorisieren?"
Guter Prompt
"Sie sind ein Produktmanager. Wir haben drei Kandidatenprojekte für nächstes Quartal. Verwenden Sie Chain-of-Thought Argumentation, um zu entscheiden, welches Projekt Priorität hat. 1) Notieren Sie die Entscheidungskriterien, die Sie verwenden werden (z. B. Umsatzauswirkung, Risiko, strategische Ausrichtung). 2) Bewerten Sie jedes Projekt Schritt für Schritt gegen diese Kriterien. 3) Geben Sie eine klare Empfehlung ab und rechtfertigen Sie sie in 3–5 Sätzen. Geben Sie am Ende eine kurze abschließende Antwort mit dem Präfix `Empfehlung:` auf einer separaten Zeile."
In der „guten" Version erklärt das Modell, wie es seine Kriterien ausgewählt hat, wie jedes Projekt bewertet wird, und gibt dann eine Empfehlung ab, die Sie in Frage stellen oder akzeptieren können.
Wie man effektive Chain-of-Thought Prompts schreibt
Um effektive Chain-of-Thought Prompts zu schreiben, sollten Sie die Struktur der Argumentation und die Struktur der endgültigen Antwort definieren. Vage Anfragen wie „Erkläre mehr" sind weniger zuverlässig als konkrete Anweisungen.
Ein praktisches Muster ist:
- Sagen Sie dem Modell seine Rolle (z. B. „Sie sind ein leitender Datenanalyst").
- Geben Sie an, dass es Schritt für Schritt denken oder Chain-of-Thought verwenden soll.
- Definieren Sie die Argumentationsabschnitte, die Sie erwarten (z. B. Annahmen, Berechnungen, Vergleich, Schlussfolgerung).
- Fordern Sie am Ende eine kurze, klar gekennzeichnete abschließende Antwort an, damit Sie sie schnell nutzen können.
Dies trennt die detaillierte Argumentation von der prägnanten Ausgabe, was hilfreich ist, wenn Sie das Ergebnis in andere Tools oder Berichte integrieren.
Chain-of-Thought Prompting in PromptQuorum
PromptQuorum ist ein Multi-Model-KI-Dispatchingtool, bei dem Sie Chain-of-Thought Prompting konsistent über verschiedene Modelle hinweg anwenden können. Sie schreiben einen strukturierten Chain-of-Thought Prompt und versenden ihn parallel an mehrere Anbieter.
In PromptQuorum können Sie:
- Chain-of-Thought Anweisungen mit denk-fokussierten Frameworks wie TRACE oder APE kombinieren, damit Denkschritte explizit gekennzeichnet sind.
- Vergleichen Sie, wie verschiedene Modelle die gleiche Denkaufgabe handhaben, und inspizieren Sie ihre Schritt-für-Schritt-Nachverfolgungen nebeneinander.
- Speichern Sie Chain-of-Thought Prompts als Vorlagen für wiederkehrende Analysen, Incident Reviews oder strategische Entscheidungen.
Dies verwandelt Chain-of-Thought Prompting von einem einmaligen Trick in einen wiederholbaren Teil Ihres Entscheidungsprozesses.
Wie Sie Chain-of-Thought (CoT) Prompting verwenden
- 1Fordern Sie bei Logik-, Denk- oder Debugging-Aufgaben das Modell auf, „Schritt für Schritt zu denken", bevor Sie antworten. Statt „Was ist der Bug?" fragen Sie „Verfolgen Sie die Ausführung Schritt für Schritt, dann identifizieren Sie den Bug."
- 2Geben Sie ein durchgearbeitetes Beispiel mit schrittweiser Argumentation. Beschreiben Sie es nicht nur – zeigen Sie dem Modell, wie schrittweises Denken aussieht. Beispiel: „Zuerst überprüfe ich die Funktionssignatur... Dann verfolge ich den ersten Aufruf mit Eingabe X..."
- 3Verwenden Sie explizite Prompts wie „Denken wir Schritt für Schritt" oder „Zuerst... Dann..." Diese lösen bewussteren Denkprozesse im Modell aus.
- 4Bitten Sie bei komplexen Problemen das Modell, Zwischenausgaben nachzuverfolgen. Beispiel: „Verfolgen Sie die Ausführung dieser Funktion für Eingabe 5. Zeigen Sie den Wert jeder Variablen nach jeder Zeile."
- 5Kombinieren Sie CoT mit überprüfbaren Ausgaben: Bitten Sie das Modell, seine Arbeit zu zeigen, damit Sie sie überprüfen können. „Erklären Sie Ihr Denken bei jedem Schritt. Wenn Sie einen Fehler machen, sollte ich ihn aus Ihrer gezeigten Arbeit erkennen können."
Mathe-Beispiel: Umsatzberechnung
Ohne CoT gibt das Modell möglicherweise nur eine abschließende Antwort. Mit CoT zeigt das Modell Berechnungen schrittweise.
Ohne CoT:
„Ein Kunde kauft 50 Einheiten zu 15 € je Stück und erhält einen 10 %-Rabatt. Wie viel zahlt der Kunde?"
Modell: „675 €"
Mit CoT:
„Ein Kunde kauft 50 Einheiten zu 15 € je Stück und erhält einen 10 %-Rabatt. Arbeite die einzelnen Schritte durch: 1) Berechne die Zwischensumme. 2) Berechne den Rabattbetrag. 3) Ziehe den Rabatt von der Zwischensumme ab, um den Endpreis zu erhalten."
Modell: „1) Zwischensumme = 50 × 15 € = 750 €. 2) Rabatt = 10 % von 750 € = 75 €. 3) Endpreis = 750 € − 75 € = 675 €."
Beide geben die gleiche Antwort, aber die CoT-Version zeigt die Mathematik und ermöglicht es, Fehler zu erkennen (z. B. wenn jemand 10 % von 750 € falsch berechnet).
CoT vs. integrierte Reasoning-Modelle (2026)
2026 haben Reasoning-fähige Modelle – Claude Opus 5.5, die Reasoning-Modelle von OpenAI (zum Beispiel GPT-6 Astra) und Gemini 3.1 Pro thinking – integrierte Denkmodi, die Chain-of-Thought automatisch internalisieren. Auf diesen Modellen müssen Sie in der Regel keine „denk Schritt für Schritt"-Anweisungen hinzufügen.
Wann Prompt-Level CoT sinnvoll ist: Modelle ohne integrierten Reasoning-Modus (zum Beispiel die Instruct-Version von Llama 4 Scout), lokale LLMs, Modelle mit abgeschaltetem oder niedrig eingestelltem Denkaufwand oder wenn Sie die Zusatzkosten für Denk-Tokens vermeiden wollen.
Wann integrierte Reasoning-Modi sinnvoll sind: Schwierige Aufgaben bei Frontier-Modellen, bei denen der integrierte Modus meist besser abschneidet als ein einfacher Prompt (vergleichen Sie beides an Ihrer eigenen Aufgabe), mathelastige Aufgaben, komplexe Analysen. Claude und OpenAI rechnen Reasoning-Tokens (Denk-Tokens) wie Ausgabe-Tokens ab, die Kosten wachsen also mit der Denkdauer. Testen Sie Ihre CoT-Prompts in der Anthropic Console oder im OpenAI Playground, bevor Sie live gehen.
Ansatz | Am besten für | Kosten | Transparenz | Modelle |
|---|---|---|---|---|
| Prompt-Level CoT („denk Schritt für Schritt") | Kleine Modelle, lokale LLMs, kostensensitive Aufgaben | Erhöht Output-Token | Vollständig: sichtbare Schritte in der Ausgabe | Llama 4 Scout Instruct, kleine lokale Modelle |
| Claude Adaptive Thinking (Opus 5.5, Sonnet 5.5) | Komplexe Analysen | Denk-Tokens wie Ausgabe-Tokens abgerechnet | Zusammengefasstes Thinking per API | Claude Opus 5.5, Claude Sonnet 5.5 |
| OpenAI GPT-6 Astra | Schwierigste Probleme (Mathe, Coding, Wettbewerbe) | Reasoning-Tokens wie Ausgabe-Tokens abgerechnet | Rohes Denken verborgen; Zusammenfassungen verfügbar | OpenAI GPT-6 Astra |
| Gemini 3.1 Pro thinking | Google Cloud Integration, Gemini-Ökosystem | Denk-Tokens wie Ausgabe-Tokens abgerechnet | thinking_level Parameter (LOW, MEDIUM, HIGH) | Gemini 3.1 Pro |
| DeepSeek-R1 | Open-Weights-Option, selbst gehostetes Reasoning | Sichtbares Denken in Ausgabetext gestreamt | Vollständig: inline CoT in Ausgabe | DeepSeek-R1 |
💡 Tipp
Verwenden Sie für kostenbewusste Systeme Prompt-Level CoT auf kleineren Modellen. Wenn es Ihnen auf Genauigkeit bei schwierigen Problemen ankommt, nutzen Sie GPT-6 Astra oder Claude adaptive thinking und lassen das Modell das Denken intern handhaben.
Chain-of-Thought Varianten und Erweiterungen
Über das grundlegende „denk Schritt für Schritt"-Muster hinaus haben Forscher mehrere CoT-Varianten entwickelt, die jeweils für verschiedene Problemtypen optimiert sind.
- Zero-Shot CoT (Kojima et al., 2022): Fügen Sie "Let's think step by step" ohne Beispiele hinzu. Hilft vor allem bei größeren Modellen und ist am einfachsten umzusetzen. In der Studie stieg die Genauigkeit von InstructGPT (text-davinci-002) bei MultiArith von 17,7 % auf 78,7 % und bei GSM8K von 10,4 % auf 40,7 %.
- Few-Shot CoT (Wei et al., 2022): Zeigen Sie einige ausgearbeitete Beispiele mit explizitem Denkweg und lassen Sie das Modell das Muster auf ein neues Problem anwenden. Zuverlässiger als Zero-Shot, erfordert aber handgeschriebene Beispiele. Mit acht Beispielen erreichte ein Modell mit 540 Mrd. Parametern auf dem Mathe-Benchmark GSM8K einen neuen Bestwert, vor feinabgestimmtem GPT-3 mit Verifizierer.
- Automatic CoT (Zhang et al., 2022): Erzeugt die Beispiele selbst, indem es vielfältige Fragen auswählt und mit dem Zero-Shot-Hinweis beantwortet. Auf zehn Reasoning-Benchmarks mit GPT-3 erreichte oder übertraf es handgeschriebene Beispiele.
- Self-Consistency (Wang et al., 2023): Erzeugen Sie mehrere unabhängige CoT-Denkwege und bilden Sie eine Mehrheitsentscheidung über die Endantwort. Die Studie berichtet Zugewinne gegenüber Standard-CoT von +17,9 % bei GSM8K, +11,0 % bei SVAMP, +12,2 % bei AQuA, +6,4 % bei StrategyQA und +3,9 % bei ARC-Challenge.
- Tree of Thoughts (Yao et al., 2023): Statt einer linearen Kette werden mehrere Denkzweige erkundet und schwache verworfen. Bei der Aufgabe Game of 24 löste GPT-4 mit CoT-Prompting 4 % der Aufgaben, mit Tree of Thoughts 74 %. Geeignet für Planung, Suche und Rätselaufgaben.
- ReAct (Yao et al., 2023): Verzahnt Reasoning mit externen Aktionen (APIs aufrufen, Datenbanken durchsuchen, Code ausführen) und gibt die Ergebnisse in den nächsten Denkschritt. Am besten für reale Aufgaben mit Live-Daten oder Prüfbedarf.
Modellvergleich: Wie Modelle CoT Prompting handhaben (2026)
Modell | Prompt-Level CoT | Integriertes Thinking | Bester Anwendungsfall | Kosten (ca.) |
|---|---|---|---|---|
| Claude Opus 5.5 | Meist nicht nötig | Adaptive Thinking | Tiefgehende Analysen | Höher (Input + Output + Thinking-Token) |
| Claude Sonnet 5.5 | Meist nicht nötig | Adaptive Thinking | Ausgeglichenes Kosten/Genauigkeit-Verhältnis | Mittel |
| Claude Haiku 5.5 | Meist nicht nötig | Adaptive Thinking | Schnelle, kostengünstige Argumentation | Niedrig |
| OpenAI GPT-6 Astra | Meist nicht nötig | Effort-Levels (low, medium, high, xhigh, max) | Probleme auf Wettbewerbsniveau | Reasoning-Tokens als Ausgabe abgerechnet (siehe Preise) |
| GPT-6 Luna | Optional | Einstellbarer Reasoning-Aufwand | Budgetbewusste Bereitstellung | Auf Effizienz ausgelegt (siehe Preise) |
| Gemini 3.1 Pro | Funktioniert | Thinking-Level (thinking_level Param) | Google Cloud Integration | Mittel-Hoch |
| Gemini Flash | Optional | Einstellbare Thinking-Level | Schnelle Antworten | Niedrig |
| DeepSeek-R1 | Meist nicht nötig | Inline Reasoning in Ausgabe | Open-Weights, selbst gehostet | MIT-Lizenz für Gewichte; Hardwarekosten fallen an |
| Llama 4 | Empfohlen | Keines in den Basis-Instruct-Releases | Lokale Bereitstellung, Datenschutz | Self-Hosted (Compute-abhängig) |
Weiterführende Literatur
- Was ist Prompt Engineering? Ein kompletter Leitfaden 2026
- Strukturierte Ausgaben & JSON Schema Prompting
- KI-Halluzinationen: Warum KI Dinge erfindet
- Constrained Prompting: Modellausgaben begrenzen
- Wie Sie ein Multi-Model Dispatch System bauen
- Prompt Testing & Evaluierungs-Framework
- Prompt Chaining: Große Aufgaben in Schritte zerlegen
- Zero-Shot vs. Few-Shot Prompting
- Self-Consistency Prompting
- Tree of Thought & ReAct
Häufig gestellte Fragen
Funktioniert Chain-of-Thought auf allen Modellen?
Nicht gleich gut. Wei et al. (2022) stellten fest, dass Chain-of-Thought Prompting nur bei Modellen ab etwa 100 Mrd. Parametern Zugewinne brachte und kleinere Modelle oft flüssige, aber unlogische Schritte schrieben. Die Ergebnisse variieren je nach Modell und Aufgabe, testen Sie kleine oder lokale Modelle daher mit eigenen Prompts. Bei Frontier-Modellen mit integriertem Reasoning (Claude Opus 5.5, GPT-6 Astra) macht der integrierte Modus Prompt-Level CoT oft überflüssig.
Erhöht Chain-of-Thought die Kosten?
Ja. Prompt-Level CoT erhöht die Ausgabe-Tokens, weil das Modell seinen Denkweg vor der Endantwort ausschreibt. Integrierte Reasoning-Modi (Claude Adaptive Thinking, OpenAI GPT-6 Astra) verbrauchen zusätzlich Denk-Tokens, die Anthropic und OpenAI wie Ausgabe-Tokens abrechnen. Testen Sie beides an Ihrem Anwendungsfall, um Kosten und Genauigkeit zu vergleichen.
Wann sollte ich Few-shot CoT statt Zero-shot verwenden?
Verwenden Sie zunächst Zero-shot CoT – es ist die einfachere Variante. Wechseln Sie zu Few-shot (in der Regel mit 2–5 Beispielen), wenn Zero-shot unzuverlässig ist oder wenn Ihre Domäne spezifische Argumentationsmuster erfordert (z. B. Finanzanalyse mit standardisierter Zeilenstruktur).
Kann ich Chain-of-Thought mit strukturierter Ausgabe (JSON) kombinieren?
Ja. Sie können das Modell auffordern, sein Denken zunächst in Klartext zu zeigen, dann ein JSON-Objekt mit der abschließenden Antwort auszugeben. Kombinieren Sie die Anweisungen: „Denk Schritt für Schritt. Geben Sie dann Ihr Ergebnis als gültiges JSON aus."
Was ist der Unterschied zwischen Chain-of-Thought und Tree-of-Thought?
Chain-of-Thought ist eine lineare Abfolge: Schritt 1 → Schritt 2 → ... → Conclusion. Tree-of-Thought erkundet mehrere Zweige (alternative Argumentationspfade) und reduziert schwächere aus, bevor die Antwort erreicht wird. Tree-of-Thought kann bei schwierigeren, suchartigen Problemen helfen, kostet aber mehr (benötigt mehrere Modellaufrufe).
Muss ich bei OpenAI GPT-6 Astra Chain-of-Thought Prompting verwenden?
In der Regel nicht. Die Reasoning-Modelle von OpenAI, etwa GPT-6 Astra, haben integriertes Thinking, das automatisch aktiviert wird. Meist müssen Sie keine „denk Schritt für Schritt"-Anweisungen hinzufügen. Geben Sie GPT-6 Astra einfach das Problem und stellen Sie das Effort Level (low/medium/high/xhigh/max) ein, um zu steuern, wie viel Thinking-Budget ausgegeben wird.
Kann ich das Denken integrierter Reasoning-Modelle nachvollziehen?
Ja, aber es hängt vom Modell ab. Claude kann Thinking-Blöcke über die API zurückgeben, je nach Modell und Einstellung zusammengefasst. OpenAI legt die rohen Reasoning-Tokens nicht offen und bietet stattdessen Zusammenfassungen. Für Denkschritte, die Sie in der Ausgabe lesen können, nutzen Sie Prompt-Level CoT oder ein offenes Modell, das seinen Denkweg ausgibt, etwa DeepSeek-R1. Ein ausgeschriebener Denkweg ist eine nützliche Kontrolle, aber kein Beweis dafür, wie das Modell tatsächlich zu seiner Antwort gekommen ist.
Eignet sich Chain-of-Thought für Echtzeitanwendungen?
Prompt-Level CoT erhöht die Latenz (mehr Ausgabe-Tokens = langsamere Generierung). Für Echtzeitanwendungen nutzen Sie entweder kleinere Modelle mit minimalem Reasoning oder Streaming-Endpunkte, um Tokens beim Eintreffen anzuzeigen. Integrierte Reasoning-Modi können noch mehr Latenz verursachen; testen Sie Ihren konkreten Anwendungsfall.
Was ist der Unterschied zwischen Chain-of-Thought und Prompt Chaining?
Chain-of-Thought lässt ein Modell innerhalb eines einzigen Prompts Schritt für Schritt denken. Prompt Chaining zerlegt eine Aufgabe in mehrere getrennte Prompts, wobei jede Ausgabe in den nächsten Prompt einfließt. Beides lässt sich kombinieren: Nutzen Sie Chain-of-Thought innerhalb eines Schritts der Kette, wenn dieser Schritt mehrstufiges Denken braucht.
Quellen und weiterführende Literatur
- Wei, J., Wang, X., Schuurmans, D., Bosma, M., Ichter, B., Xia, F., Chi, E., Le, Q., & Zhou, D. (2022). "Chain-of-Thought Prompting Elicits Reasoning in Large Language Models." NeurIPS 2022. arXiv:2201.11903
- Kojima, T., Gu, S. S., Reid, M., Matsuo, Y., & Iwasawa, Y. (2022). "Large Language Models are Zero-Shot Reasoners." NeurIPS 2022. arXiv:2205.11916
- Wang, X., Wei, J., Schuurmans, D., et al. (2023). "Self-Consistency Improves Chain of Thought Reasoning in Language Models." ICLR 2023. arXiv:2203.11171
- Zhang, Z., Zhang, A., Li, M., & Smola, A. (2022). "Automatic Chain of Thought Prompting in Large Language Models." arXiv preprint. arXiv:2210.03493
- Yao, S., Yu, D., Zhao, J., et al. (2023). "Tree of Thoughts: Deliberate Problem Solving with Large Language Models." NeurIPS 2023. arXiv:2305.10601
- Yao, S., Zhao, J., Yu, D., et al. (2023). "ReAct: Synergizing Reasoning and Acting in Language Models." ICLR 2023. arXiv:2210.03629
- Turpin, M., Michael, J., Perez, E., & Bowman, S. R. (2023). "Language Models Don't Always Say What They Think: Unfaithful Explanations in Chain-of-Thought Prompting." NeurIPS 2023. arXiv:2305.04388
- Anthropic. Claude API documentation: Thinking and Extended thinking.
- OpenAI. API documentation: Reasoning models.