Tree-of-Thought

来自普林斯顿大学和Google DeepMind研究人员提出了一种全新的语言模型推理框架——「思维树」（ToT Tree-of-Thought）。 ToT将当前流行的「思维链」方法泛化到引导语言模型，并通过探索文本（思维）的连贯单元来解决问题的中间步骤。 "Tree of Thoughts"(ToT)，通过提供具有连贯性的文本单元("thoughts")的探索，使语言模型能够进行有意识的决策过程， 考虑多个不同的推理路径并自我评估选择以决定下一步行动。

在论文的实验案例里，ChatGPT解决问题的成功率从 4% 提升到了 74%。"Tree of Thoughts"(ToT)框架通过维护一棵思维树， 每个思维是一条连贯的语言序列，作为问题求解的中间步骤，实现语言模型的有意识推理过程。 通过与搜索算法(如广度优先搜索或深度优先搜索)结合，允许系统性地探索思维树并进行前瞻和回溯。

TOT的方法和我们日常工作中解决复杂问题的思路有异曲同工之处，都是将复杂的任务拆解为一个个细小的简单任务去解决， TOT就是把大任务用推理的方式拆解成一颗颗连续原子化的任务树，然后交给 ChatGPT 求解。

---

版权申明

本站点所有内容，版权均归https://wenchao.ren所有，除非明确授权，否则禁止一切形式的转载协议

打赏