自我一致性

自我一致性（ Self-Consistency ）是为了弥补CoT的不足（中间步骤可能出错）提出的补充技术，核心想法非常简单——既然 CoT 可能出错，那就多执行几次然后取出现次数最多的结果

1. 构造思维链示例数据
2. 通过大模型生成多个不同的推理路径
3. 使用多数投票（majority vote）的方法选出一致性最高的答案

自我一致性本质上是一种集成学习方法 ，Xuezhi Wang 等人后来又对其进行了优化，提出了推理增强集成（Rationale-Augmented Ensembles）方法