什么是思维链自洽性？
思维链自洽性（CoT-SC，Self-Consistency）是一种进一步提升大模型推理准确率的技术。它的核心思想是：对同一个问题，让模型生成多条不同的思维链，然后比较这些推理路径得到的最终答案，选择出现次数最多的那个作为最终输出。
为什么自洽性有效？
大模型的推理过程存在随机性（受 Temperature 参数影响），同一条思维链可能有推理错误。但如果你让模型从不同角度思考同一个问题，正确的答案往往具有"自洽性"——即使推理路径不同，正确的答案会反复出现；而错误的答案通常只是随机出现。
CoT-SC 的工作流程
第一步：生成多条思维链。设置较高的 Temperature 值（如 0.7-0.8），让模型对同一个问题生成 5-10 条不同的思维链推理过程。
第二步：提取答案。从每条思维链中提取最终答案。
第三步：投票选择。统计所有答案出现的频率，选择出现次数最多的作为最终答案。
CoT-SC 的效果
研究表明，CoT-SC 可以显著提升推理任务的准确率，在数学推理（如 GSM8K）上通常比单条思维链提升 5-15 个百分点。它的效果随采样数量增加而提升，但收益递减——通常 5-10 条思维链就能达到较好的效果，再增加边际收益有限。
注意事项
CoT-SC 的主要代价是计算成本增加了 N 倍（N 是思维链数量），但在不需要实时响应的场景中（如离线数据分析、科研计算），这种权衡通常是值得的。