背景

随着文本生成图像的语言模型兴起，SolidUI想帮人们快速构建可视化工具，可视化内容包括2D,3D,3D场景，从而快速构三维数据演示场景。SolidUI 是一个创新的项目，旨在将自然语言处理（NLP）与计算机图形学相结合，实现文生图功能。通过构建自研的文生图语言模型，SolidUI 利用 RLHF (Reinforcement Learning Human Feedback) 流程实现从文本描述到图形生成的过程。

项目地址: https://github.com/CloudOrc/SolidUI

项目镜像地址: https://gitee.com/CloudOrc/SolidUI

社区官网: https://website.solidui.top

官网项目地址：https://github.com/CloudOrc/SolidUI-Website

链式思考(CoT)

链式思考(CoT)提示是一种强大的提示技术,可以帮助语言模型进行复杂的推理。它由Wei等人在2022年首次提出,主要思想是通过提供中间推理步骤来实现复杂任务的零样本学习。

https://arxiv.org/abs/2201.11903

工作原理

CoT提示的工作原理是，在提示中添加语言模型需要遵循的显式推理链。例如，在判断一组数中的奇数相加是否为偶数这个任务中，提示会要求语言模型先将所有的奇数相加，然后判断总和是否为偶数。通过这种方式，可以引导语言模型逐步推理，而不是一步到位给出结论。

与传统的少样本学习相比，CoT提示可以以更少的示例完成学习。有时仅需一个示例搭配CoT提示，语言模型就能完成复杂的推理任务。这是因为提示本身已经提供了足够的上下文和指导，让语言模型明确应该如何思考。

CoT提示的一个变种是零样本CoT提示。它会在原始提示中添加“让我们逐步思考”的指示，引导语言模型自发地进行逐步推理。虽然结果并不总是完美，但在示例不充足的情况下，这种提示也展现出强大的几乎零样本学习能力。

提示词示例

## 输入提示词
我去市场买了10个苹果。我给了邻居2个苹果和修理工2个苹果。然后我去买了5个苹果并吃了1个。我还剩下多少苹果?
让我们逐步思考。## 回答
首先,您从10个苹果开始。
您给了邻居和修理工各2个苹果,所以您还剩下10 - 2 - 2 = 6个苹果。
然后您买了5个苹果,所以现在您有6 + 5 = 11个苹果。
最后,您吃了1个苹果,所以您还剩下11 - 1 = 10个苹果。
所以您还剩下10个苹果。

结语

链式思考提示为语言模型注入了人类的推理过程，是目前实现复杂推理任务的最佳提示技术之一。它塑造了语言模型进行多步推理的能力，使其超越简单的模式匹配，向着真正的理解迈进。随着该技术的发展,我们期待语言模型的推理能力不断提升，最终达到甚至超过人类水平。

如果成为贡献者

• 官方文档贡献。发现文档的不足、优化文档，持续更新文档等方式参与社区贡献。通过文档贡献，让开发者熟悉如何提交PR和真正参与到社区的建设。参考攻略：https://github.com/CloudOrc/SolidUI/discussions/54
• 代码贡献。我们梳理了社区中简单并且容易入门的的任务，非常适合新人做代码贡献。请查阅新手任务列表：https://github.com/CloudOrc/SolidUI/issues/12
• 内容贡献：发布SolidUI开源组件相关的内容，包括但不限于安装部署教程、使用经验、案例实践等，形式不限，请投稿给小助手。例如：https://github.com/CloudOrc/SolidUI/issues/10
• 社区答疑：积极在社区中进行答疑、分享技术、帮助开发者解决问题等；
  其他：积极参与社区活动、成为社区志愿者、帮助社区宣传、为社区发展提供有效建议等；