feat: achieve 600 files milestone in AI knowledge base

10_Wiki/Topics/AI/Chain-of-Thought (CoT 사고 사슬).md

@@ -1,25 +1,30 @@
 ---
-id: P-REINFORCE-AUTO-550B46
+id: P-REINFORCE-AUTO-CCOT-001
 category: "[[10_Wiki/💡 Topics/AI]]"
-confidence_score: 0.90
-tags: [auto-reinforced]
+confidence_score: 0.98
+tags: [auto-reinforced, chain-of-thought, cot, prompt-engineering, llm, reasoning]
 last_reinforced: 2026-04-20
-github_commit: "[P-Reinforce] Continuous Worker - Chain-of-Thought (CoT 사고 사슬)"
 ---
 
 # [[Chain-of-Thought (CoT 사고 사슬)]]
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
-> 지식 요약 정보 추출 중...
+> "생각의 과정을 말하게 하라: AI에게 정답만 툭 던지라고 하지 않고, 문제를 단계별로 풀어나가는 중간 추론 과정을 텍스트로 적게 함으로써 복잡한 논리 문제의 정답률을 드라마틱하게 끌어올리는 인지적 증폭 장치."
 
 ## 📖 구조화된 지식 (Synthesized Content)
-본문 구조화 작업 중...
+사고 사슬(Chain-of-Thought, CoT)은 거대 언어 모델(LLM)의 추론 능력을 극대화하기 위해 '단계별 생각(Step-by-step reasoning)'을 유도하는 기법입니다.
+
+1.  **핵심 메커니즘**:
+    *   **Zero-shot CoT**: 프롬프트 끝에 "차근차근 생각해보자(Let's think step by step)"라는 마법의 구를 추가하는 것만으로 추론 성능이 비약적으로 상승.
+    *   **Few-shot CoT**: 문제 풀이 과정을 보여주는 예시를 몇 개 제공하여 모델이 그 추론 흐름을 모방하게 함.
+2.  **왜 효과적인가?**:
+    *   모델이 다음 토큰을 예측할 때, 앞서 적은 자신의 추론 과정이 '작업 기억(Working Memory)' 역할을 수행하여 최종 정답 도출의 확률적 정확도를 높임.
 
 ## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
-- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요.
-- **정책 변화:** AI 분야의 자동 자산화 수행.
+- **과거 데이터와의 충돌**: 초기 모델 정책은 단순히 데이터 학습량만 늘리는 정책(Scaling Law)에 집중했으나, 현대 정책은 모델의 내부 연산 비중만큼이나 '출력되는 추론 과정의 양과 질 정책'이 지능 발현의 핵심임을 인정함(RL Update).
+- **정책 변화(RL Update)**: 사용자가 추론 과정을 보는 정책(Open CoT)을 넘어, 모델 내부에서만 추론을 수행하고 결과만 내놓는 '잠재적 CoT 정책'이 OpenAI의 o1 모델 등을 통해 구현되어 성능과 사용성을 모두 잡는 방향으로 진화함.
 
 ## 🔗 지식 연결 (Graph)
-
-- Raw Source: [[00_Raw/2026-04-20/Chain-of-Thought (CoT, 사고 사슬).md]]
+- [[Reasoning]], [[Prompt-Engineering]], [[Automated-Reasoning]], [[Search-Optimization]], [[Knowledge-Representation-in-AI]]
+- **Modern Tech/Tools**: OpenAI o1 (Strawberry), Chain of Thought prompting, Self-consistency decoding.
 ---