自我一致性（self-consistency）

自我一致性，是一種讓思維鏈推理更可靠的方法，做法是不信任單一次嘗試。你不只問一次，而是請模型把同一道題目解上好幾遍，每遍走略微不同的推理路線，然後保留出現次數最多的那個最終答案。這是把群眾智慧的概念套用在單一模型上：多次獨立嘗試，再投票。

直覺是這樣的：一道難題通往正確答案的有效路徑有很多條，但出錯的方式則零散而各自為政。正確的路徑傾向收斂到同一個結論，錯誤卻彼此不一致，所以最常出現的答案通常就是站得住腳的那個。為了得到多樣的路徑，你會帶點隨機性地取樣，而不是每次都選那條最可能的續寫。

代價很明顯：把一道題解十遍，大約就是解一遍的十倍算力與費用。所以對於正確率勝過速度的高風險問題，自我一致性值得；對於隨意的問題則是殺雞用牛刀。它只在有一個乾淨、可清點的最終答案時才有幫助，例如一個數字或一個選項，對於開放式寫作則幫助較小。