本文综述了思维链提示对大型语言模型多步推理的影响，涵盖Auto-CoT、Iter-CoT、Faithful CoT、Active-Prompt、Chain-of-Knowledge及跨语言提示等方法，并探讨了推理链的忠实度与偏见问题。

思维链提示可提升大语言模型推理表现，但其解释忠实度存疑，易受输入偏见影响，导致过度信任。研究提出Active-Prompt、MCMC-EM微调、Fine-tune-CoT等方法优化推理，并用于自动评分等任务。模型规模增大后，推理可信度反而下降，需谨慎使用。