Antes de qualquer explicação neste artigo é válido ressaltar que a técnica Chain-of-Thought ou In-Context-Learning são úteis em contextos bastante específicos, como modelos de linguagem pequenos. Diante disso, LLMs de ponta já possuem respostas adequadas com apenas um pouco de instrução e clareza, pois são treinados para ‘raciocinar’ naturalmente (um tipo de CoT automático). Portanto, a técnica CoT é mais útil para SLMs (Small Language Models) ou LLMs mais antigos, que por serem mais simples, costumam se beneficiar dessa abordagem estruturada.

Você já tentou pedir algo para uma IA e a resposta não foi exatamente como esperava ou até mesmo incorreta? Muitas vezes, a solução está em mostrar exemplos do que você quer, ao invés de apenas explicar. In-Context Learning é a capacidade de LLMs de se adaptarem a uma tarefa com base no contexto fornecido. Dentro dessa diretriz existe a técnica Few-Shot Learning (aprendizado com poucos exemplos), que é uma das ferramentas mais poderosas da Engenharia de Prompts.