最近在做一个多步推理任务，比如让模型根据用户评论判断商品评分并给出理由。我按CoT（思维链）的思路，把任务拆成了“提取关键点→分析情绪→综合评分”三步，每一步都给了示例。但跑了几百条数据，发现模型经常在“分析情绪”那一步就跑偏，比如开始脑补评论里没提到的细节，或者把中立评论说成负面。我试过加few-shot示例，也调过temperature，但效果不稳定。想问下大家，这种中间步骤失控的情况，是提示词结构有问题，还是模型本身对这类分解任务不敏感？有没有什么调优技巧能减少这种“发散”？谢谢！