本篇文章提供了一种提示学习方法(Zero-shot chain-of-thought prompting)，以解决算术推理问题。具体来说，该方法解决了先前CoT方法的以下局限：

• 没有对中间过程进行检查和验证；
• 没有提供大模型预测结果的置信度。

Evaluation

• 1.which foundation models are based on?

• 2.which datasets are collected specific for “math”?

prompt流程：

论文从人类的思考流程中获得灵感，将问题分解为多个步骤，并在各步骤中使用多种方法进行验证。具体步骤可视化为下图：

同时生成python代码和代数公式的方法，可以有效进行计算验证(Compute verifification)：

• 向(I)的变量带入多组随机的随机键值映射。我们使用python的eval函数计算步骤(II)中生成的表达式，看看答案是否都满足该表达式。
• 多次执行，直到答案正确可靠。