Skip to content
TheChatArchiveThe Chat Archive
Qwenqwq-32b· Alibaba (Qwen)Hugging Face LMArena Human Preference 140K

En el contexto de los LLMs, ¿qué es Chain of Thought (CoT) y Chain of Code (CoC)?

From a Chatbot Arena battleThe same person sent this prompt to two anonymous models at once. Compare it with grok-3-mini-high’s answer.
  1. User

    En el contexto de los LLMs, ¿qué es Chain of Thought (CoT) y Chain of Code (CoC)?

  2. Qwen Assistant

    Chain of Thought (CoT) y Chain of Code (CoC): Definiciones y Contexto en LLMs

    Chain of Thought (CoT)

    Definición:
    Es una técnica de prompting utilizada con modelos de lenguaje grande (LLMs) para guiarlos a resolver problemas complejos mediante un proceso de razonamiento explícito, paso a paso, en lenguaje natural.

    Objetivo:
    Mejorar la capacidad del modelo para abordar tareas que requieren múltiples etapas lógicas, como problemas matemáticos, razonamiento causal o interpretación de textos. Al forzar al modelo a "pensar en voz alta", reduce errores y aumenta la transparencia del proceso.

    Estructura:

    1. Ejemplo de guía: El usuario proporciona un ejemplo de cómo resolver un problema similar mediante pasos detallados en lenguaje natural.
    2. Razonamiento explícito: El modelo emula este formato, desglosando el problema en subproblemas, justificando cada decisión y finalmente llegando a la solución.

    Ejemplo:
    Para resolver "¿Cuánto costarían 5 manzanas a $2 cada una?", el CoT podría ser:

    1. "Primero, identifico la cantidad de manzanas: 5".
    2. "Luego, determino el precio unitario: $2".
    3. "Multiplico ambas cantidades: 5 × 2=2 = 10".
    4. Respuesta final: "$10".

    Chain of Code (CoC)

    Definición:
    Es una extensión o variante del CoT especializada en tareas de programación o desarrollo de software. En lugar de razonar en lenguaje natural, el modelo genera código como parte de su proceso de pensamiento, desglosando el problema en fragmentos de código que resuelven cada etapa.

    Objetivo:
    Ayudar a los modelos a estructurar soluciones técnicas complejas, especialmente aquellas que requieren lógica computacional, algoritmos o ejecución de pasos específicos. Combina razonamiento lógico con generación de código funcional.

    Estructura:

    1. Ejemplo de guía: El usuario muestra cómo resolver un problema similar mediante pasos de código y explicaciones.
    2. Razonamiento en código: El modelo genera fragmentos de código que representan cada etapa del proceso, posiblemente con comentarios explicativos.
    3. Ejecución y ajuste: En algunos casos, el código se ejecuta paso a paso para validar los resultados intermedios.

    Ejemplo:
    Para escribir un programa que ordene una lista de números, el CoC podría ser:

    1. Paso 1 (Código):
      def ordenar_lista(lista):  
          # Inicializo una lista vacía para los elementos ordenados  
          lista_ordenada = []  
      
    2. Explicación: "Agrego elementos uno por uno a 'lista_ordenada', comparándolos con los existentes".
    3. Paso 2 (Código):
          while lista:  
              minimo = min(lista)  
              lista_ordenada.append(minimo)  
              lista.remove(minimo)  
      
    4. Respuesta final: Devuelve lista_ordenada.

    Diferencias clave entre CoT y CoC

    CaracterísticaChain of Thought (CoT)Chain of Code (CoC)
    Medio del razonamientoLenguaje natural (explicaciones verbales).Código (fragmentos de código y comentarios).
    Área de aplicaciónProblemas generales (matemáticas, razonamiento).Tareas técnicas (programación, algoritmos).
    Salida finalRespuesta en texto o solución verbal.Código funcional o solución ejecutable.
    Ventaja principalClaridad en el razonamiento abstracto.Soluciones precisas y ejecutables para problemas técnicos.

    Casos de uso típicos

    • CoT:

      • Resolver ecuaciones matemáticas.
      • Analizar pasajes literarios o noticias.
      • Generar explicaciones paso a paso de conceptos complejos.
    • CoC:

      • Desarrollar funciones de programación.
      • Depurar código existente.
      • Diseñar algoritmos para problemas como el "viajero de comercio".

    Importancia en LLMs

    Ambos enfoques explotan la capacidad de los LLMs para simular razonamiento estructurado, pero adaptado a dominios específicos. CoT es más general, mientras que CoC se enfoca en aplicaciones técnicas, permitiendo que los modelos no solo "piensen" sino también "actúen" generando código operativo.

Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.