实验发现链式思维（CoT）对大型语言模型（LLMs）的推理能力有重要作用，增加推理步骤长度能提高LLMs在多个数据集上的推理能力，即使推理方法有误，只要保持必要的推理步骤长度，仍能取得良好结果。推理步骤的增加对任务优势取决于任务复杂性，这些发现为更好地利用LLMs的潜力提供了实际指导。