ট্রি অফ থটস
ট্রি অফ থটস (ToT) হল একটি প্রম্পটিং ফ্রেমওয়ার্ক যা একটি ভাষা মডেলকে চিন্তার একক লাইনে প্রতিশ্রুতিবদ্ধ হওয়ার পরিবর্তে একটি গাছের শাখার মতো সমান্তরালে একাধিক যুক্তির পথ অন্বেষণ করতে দেয়৷
ওভারভিউ
It matters because it dramatically improves performance on problems that require planning, search, or backtracking.
গভীর ডুব
স্ট্যান্ডার্ড চেইন-অফ-থট প্রম্পটিং একটি মডেলকে শুরু থেকে শেষ পর্যন্ত যুক্তির ধাপগুলির একটি ক্রমানুসারে নিয়ে যায়, যা অনেক কাজের জন্য কাজ করে কিন্তু ব্যর্থ হয় যখন একটি প্রাথমিক ভুল পুরো উত্তরকে ধ্বংস করে দেয়। ট্রি অফ থটস, 2023 সালে প্রিন্সটন এবং Google ডিপমাইন্ডের গবেষকদের দ্বারা প্রবর্তিত, একটি গাছের উপর অনুসন্ধান হিসাবে যুক্তিকে পুনরায় ফ্রেম করে। প্রতিটি ধাপে মডেলটি বেশ কয়েকটি প্রার্থীর 'চিন্তা' (মধ্যবর্তী পদক্ষেপ বা আংশিক সমাধান) তৈরি করে, প্রতিটি কতটা প্রতিশ্রুতিশীল তা মূল্যায়ন করে, এবং তারপরে শেষ প্রান্ত পরিত্যাগ করে আরও ভাল শাখাগুলি অন্বেষণ করে। এটি মডেলটিকে সামনের দিকে তাকাতে, বিকল্পগুলির তুলনা করতে এবং পিছনের দিকে যেতে দেয়, এক-শট অনুমানকারীর চেয়ে ইচ্ছাকৃত সমস্যা সমাধানকারীর মতো আচরণ করে৷ গেম অফ 24-এর মতো কাজগুলিতে, ToT চেইন-অফ-থট সহ সাফল্যের হার কয়েক শতাংশ থেকে প্রায় 74 শতাংশে উন্নীত করেছে।
প্রযুক্তিগত অন্তর্দৃষ্টি
ToT তিনটি উপাদানকে একত্রিত করে: একটি চিন্তা জেনারেটর যা পরবর্তী একাধিক পদক্ষেপের প্রস্তাব করে, একটি রাষ্ট্রীয় মূল্যায়নকারী যা প্রতিটি আংশিক পথ সফল হওয়ার সম্ভাবনা কতটা স্কোর করে বা ভোট দেয় এবং একটি অনুসন্ধান অ্যালগরিদম, সাধারণত প্রস্থ-প্রথম বা গভীরতা-প্রথম অনুসন্ধান, যা সিদ্ধান্ত নেয় কোন শাখাগুলি প্রসারিত বা ছাঁটাই। মডেল নিজেই সাধারণত 'নিশ্চিত,' 'হয়তো,' বা 'অসম্ভব' হিসাবে স্টেটগুলিকে রেট দেওয়ার জন্য অনুরোধ করে মূল্যায়ন করে। গুরুত্বপূর্ণভাবে, এটি মডেলের প্রম্পটগুলির চারপাশে একটি মোড়ক, পুনরায় প্রশিক্ষণ নয়।
কৌশলগত প্রভাব
গতি এবং স্কেল
ভাষার কর্মপ্রবাহ ধারাবাহিকতাকে ত্যাগ না করে দ্রুত অগ্রসর হতে পারে।
অ্যাক্সেস এবং পৌঁছানো
এটি ভাষা এবং যোগাযোগ শৈলী জুড়ে অ্যাক্সেস প্রসারিত করে।
সুস্পষ্ট সিদ্ধান্ত
অটোমেশন পুনরাবৃত্তি পরিচালনা করার সময় দলগুলি বিচারে আরও বেশি সময় ব্যয় করতে পারে।
চিন্তার গাছের ভবিষ্যত
আশা করুন গাছ-শৈলীর আলোচনা এজেন্টিক সিস্টেম এবং 'রিজনিং' মডেলগুলিতে শোষিত হবে যা অনুমান সময়ে কঠিন সমস্যাগুলির জন্য অতিরিক্ত গণনা বরাদ্দ করে। গ্রাফ অফ থটসের মত বৈকল্পিকগুলি পাথগুলিকে একত্রিত করার এবং মধ্যবর্তী ফলাফলগুলিকে পুনরায় ব্যবহার করার অনুমতি দেয় এবং শেখা মূল্যায়নকারীরা নির্ভরযোগ্যতার জন্য প্রম্পট-ভিত্তিক স্কোরিং প্রতিস্থাপন করতে পারে। বৃহত্তর প্রবণতাটি অনুমান-সময় অনুসন্ধানকে একটি টিউনেবল নব হিসাবে বিবেচনা করছে: উচ্চ-স্টেকের প্রশ্নগুলির জন্য শাখাগুলি অন্বেষণে আরও বেশি কম্পিউট ব্যয় করুন, সহজ প্রশ্নগুলির জন্য কম, প্রম্পটিং এবং পরিকল্পনার মধ্যে লাইনটি ঝাপসা করুন৷
বাস্তব-বিশ্ব বাস্তবায়ন
গেম অফ 24 ধাঁধার সমাধান করা, যেখানে অনেক প্রার্থীর সমীকরণ অন্বেষণ এবং ছাঁটাই করে 24-এ পৌঁছানোর জন্য চারটি সংখ্যাকে পাটিগণিতের সাথে একত্রিত করতে হবে।
সৃজনশীল লেখার কাজ যেখানে মডেলটি বিভিন্ন প্লটের দিকনির্দেশনা তৈরি করে, সংগতি মূল্যায়ন করে এবং সবচেয়ে শক্তিশালী একটি বিকাশ করে।
গাণিতিক প্রমাণ বা মাল্টি-স্টেপ শব্দ সমস্যা যেখানে একটি ত্রুটিপূর্ণ পদক্ষেপ থেকে ব্যাকট্র্যাকিং সঠিক উত্তরে পৌঁছানোর জন্য অপরিহার্য।
মিনি ক্রসওয়ার্ডের মতো সীমাবদ্ধ ধাঁধা, যেখানে মডেলটি আংশিক ভরাট পরীক্ষা করে এবং ক্লু লঙ্ঘন করে এমন শাখা পরিত্যাগ করে।
ঝুঁকি এবং প্রহরী
হ্যালুসিনেটেড ফ্যাক্টগুলি শান্তভাবে রিপোর্ট, সমর্থন প্রবাহ, বা গবেষণা আউটপুট প্রবেশ করতে পারে।
প্রম্পট সংবেদনশীলতা অনুরূপ অনুরোধ জুড়ে অসামঞ্জস্যপূর্ণ ফলাফল তৈরি করতে পারে।
অ্যাক্সেস কন্ট্রোল দুর্বল হলে সংবেদনশীল পাঠ্য ডেটা উন্মুক্ত হতে পারে।
বাস্তবায়ন রোডম্যাপ
রোলআউট করার আগে আউটপুট ফর্ম্যাট, টোন এবং মানের মান নির্ধারণ করুন।
যখনই নির্ভুলতা গুরুত্বপূর্ণ তখন বিশ্বস্ত উত্সের সাথে গ্রাউন্ড প্রতিক্রিয়া।
উচ্চ-স্টেকের আউটপুটগুলির জন্য একটি মানব পর্যালোচনা চেকপয়েন্ট রাখুন।
ব্যর্থতার নিদর্শনগুলি ট্র্যাক করুন এবং প্রম্পট বা ওয়ার্কফ্লোগুলিকে নিয়মিতভাবে পুনরায় প্রশিক্ষণ দিন।
অন্বেষণ চালিয়ে যান
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Tree of Thoughts quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
পরবর্তী গাইড
ট্রি-অফ-থটস রিজনিং
প্রায়শই জিজ্ঞাসিত প্রশ্নাবলী
What is Tree of Thoughts?
ট্রি অফ থটস (ToT) হল একটি প্রম্পটিং ফ্রেমওয়ার্ক যা একটি ভাষা মডেলকে চিন্তার একক লাইনে প্রতিশ্রুতিবদ্ধ হওয়ার পরিবর্তে একটি গাছের শাখার মতো সমান্তরালে একাধিক যুক্তির পথ অন্বেষণ করতে দেয়৷ এটি গুরুত্বপূর্ণ কারণ এটি পরিকল্পনা, অনুসন্ধান বা ব্যাকট্র্যাকিং প্রয়োজন এমন সমস্যার ক্ষেত্রে নাটকীয়ভাবে কর্মক্ষমতা উন্নত করে।
কিভাবে চিন্তার গাছ চেইন-অফ-থট প্রম্পটিং থেকে মৌলিকভাবে আলাদা?
যেখানে চেইন-অফ-থট এক রৈখিক পথ অনুসরণ করে, সেখানে চিন্তার বৃক্ষ বিভিন্ন প্রার্থীর চিন্তাধারার শাখা তৈরি করে, তাদের মূল্যায়ন করে এবং শেষ প্রান্ত থেকে পিছিয়ে যায়।
কোন তিনটি উপাদান একটি ট্রি অফ থটস সিস্টেম তৈরি করে?
টিওটি প্রার্থীর চিন্তার একটি জেনারেটর, একটি মূল্যায়নকারী যা আংশিক অবস্থার স্কোর করে এবং একটি অনুসন্ধান পদ্ধতি (যেমন BFS বা DFS) কোন শাখাগুলিকে প্রসারিত করতে হবে তা নির্ধারণ করে।
গেম অফ 24 বেঞ্চমার্কে, ট্রি অফ থটস ব্যবহার করার একটি উল্লেখযোগ্য ফলাফল কী ছিল?
চেইন-অফ-থট-এর তুলনায় ToT নাটকীয়ভাবে 24 সাফল্যের হারের গেম উন্নত করেছে, অনুসন্ধান এবং ব্যাকট্র্যাকিংয়ের মান প্রদর্শন করে।
কিভাবে একটি ট্রি অফ থটস সিস্টেম সাধারণত আংশিক সমাধান মূল্যায়ন করে?
মডেল নিজেই সাধারণত মূল্যায়নকারী হিসাবে কাজ করে, প্রতিটি আংশিক পথ কতটা আশাব্যঞ্জক তা বিচার করে যাতে অনুসন্ধান দুর্বল শাখাগুলিকে ছাঁটাই করতে পারে।
একটি বিদ্যমান মডেলের উপর চিন্তার বৃক্ষ বাস্তবায়ন সম্পর্কে কি সত্য?
ToT প্রম্পট এবং একটি অনুসন্ধান লুপের মাধ্যমে মডেলের বিদ্যমান ক্ষমতাগুলিকে সাজায়; এটি অন্তর্নিহিত ওজন পরিবর্তন করে না।