通过以思路链的方式分解问题，可以不断地验证、修正模型并尝试新的方法。这个过程显着提高了模型的推理能力。通过更多的强化学习（在训练期间计算）和更多的思考时间，性能不断提高（测试期间计算）。 （O的性能随着训练时间和测试时间的计算而稳步提升，来源：OpenAI官网）通过强化学习+内化推理链，O不仅显着提升了他的定量推理指标，而且他对定性推理的可解释性也得到了显着提升。可靠的思想链使模型易于理解，允许用户用简单的英语“阅读模型的思维”。
内在的思想链为模型 马其顿电话号码表 追踪提供了独OpenAI“读取”模型的思维过程。未来，OpenAI 希望能够追踪用户操纵迹象的思路。为了实现这一点，模型必须能够以不改变的形式表达其思想，因此 OpenAI 无法在思想链中训练策略合规性或用户偏好。 。通俗理解：系统与系统 模型可以理解为进行系统思维，而链条思维则解锁了系统思维。众所周知，大型模型的性能可以通过鼓励模型“一步步思考”来提高。
通过强化学习训练，逐步排除问题，自始至终不断试错，大模型的性能将进一步显着提升。正如我们之前在围棋中的 AlphGo 和其他游戏算法模型中看到的那样。系统与系统出自诺贝尔奖得主丹尼尔·卡尼曼的《思考，快与慢》一书。系统：快速、直观、自动的思维方式。这种思维方式通常是无意识的，依赖直觉和经验，能够快速做出反应。例如，当我们看到一张熟悉的面孔时，我们不假思索就认出了它。系统：缓慢、深思熟虑、逻辑思维。这种思维方式需要有意识的努力和思考来解决复杂的问题或做出深思熟虑的决定。