Zero-Shot CoT（ゼロショット思考連鎖）とは、大規模言語モデルに対して事前に例示を与えず、「ステップバイステップで考えてください」といったプロンプトを追加するだけで、複雑な論理推論を実行させる手法です。モデルが自発的に中間的な推論プロセスを生成するため、手動で例題を作成する手間を省きつつ回答精度を向上させることができます。
Zero-Shot CoTとは
Zero-Shot CoT（ゼロショット思考連鎖）は、大規模言語モデルに例題（Few-Shot）を与えず、「順を追って考えてみましょう」というトリガーフレーズを指示に加えるだけで、複雑な問題を段階的に解かせるプロンプトエンジニアリング手法です。
詳しく解説
従来のCoT（Chain-of-Thought）では、モデルに思考過程を示す少数の例題（Few-Shot）を入力する必要がありました。しかし、Zero-Shot CoTでは例題の作成が不要であり、「Let's think step by step（順を追って段階的に考えましょう）」といった魔法のフレーズをプロンプトに含めるだけで機能します。このフレーズによって大規模言語モデル内部の推論プロセスが誘導され、結論に至るまでの中間思考ステップがテキストとして生成されます。その結果、算数文章題や論理パズル、推論タスクにおいて、単純に回答のみを求める従来のプロンプト（Zero-Shotプロンプト）に比べて大幅に正解率が向上することが実証されています。
具体例・使われ方
例えば、計算問題や論理パズルをAIに解かせる際に利用されます。「A君はリンゴを3個持っていて、B君から2個もらい、さらに半分をC君にあげました。最後に何個残っていますか？ Let's think step by step.」と入力すると、AIは「1. 最初は3個」「2. 2個追加で5個」「3. 半分の2.5個を渡す」「4. 残りは2.5個」というように、段階的な中間思考を書き出しながら正確な解答を出力します。
似た用語との違い
類似した概念であるFew-Shot CoTとの違いは、プロンプト内に「解き方の具体例（Few-Shot）」を含めるかどうかです。Few-Shot CoTは高精度ですが事前に例題を作成するコストがかかるのに対し、Zero-Shot CoTは例題なしで思考を促せるため汎用性と利便性に優れています。また、全く思考を促さず直接答えを要求する通常のZero-Shotプロンプトと比較すると、中間ステップを経由するため複雑なタスクでの計算ミスや誤論理を大幅に軽減できる点に違いがあります。
注意点
Zero-Shot CoTは簡便で強力な手法ですが、万能ではありません。単純な知識検索や事実確認のタスクでは中間思考を出力させることで不要なトークン消費が増加し、処理速度低下やコスト増につながる場合があります。また、モデル自体の基礎的な能力に依存するため、大規模言語モデルの規模が小さすぎると「思考ステップ」自体で論理破綻を起こし、誤った結果を導くリスクもあります。