À suivreGuide suivant
Raisonnement selon l'arbre des pensées
Technique
GUIDE IA du langage
Arbre des pensées
Tree of Thoughts (ToT) est un cadre d'inférence qui explore les étapes de raisonnement candidates, évalue les états intermédiaires et effectue des recherches parmi les branches.
Écoutez ce guideNarré par l'IA · ~2 min
Sur cette page2 minutes de lecture
Aperçu
It can help on tasks that support useful intermediate evaluation, but results depend on the model, task, search budget, and evaluator.
Plongée profonde
Chain-of-thought prompting typically follows one generated sequence, while Tree of Thoughts represents problem solving as search over intermediate states. A system proposes candidate thoughts, scores or classifies states, and uses a search procedure such as breadth-first search to expand promising branches or backtrack from dead ends. The original paper evaluates ToT on Game of 24, creative writing, and mini crosswords. In its Game of 24 setup, GPT-4 with a breadth-five ToT search achieved 74% success on the selected test set, compared with 4% for a single chain-of-thought baseline. This is a result for a particular model, prompt, benchmark subset, and search budget—not a general performance guarantee. ToT also uses additional model calls and depends on useful state evaluations.
Mise en œuvre dans le monde réel
Résoudre le casse-tête du jeu de 24, où quatre nombres doivent être combinés avec l'arithmétique pour atteindre 24, en explorant et en éliminant de nombreuses équations candidates.
Tâches d'écriture créative où le modèle rédige plusieurs directions de l'intrigue, évalue la cohérence et développe la plus forte.
Preuves mathématiques ou problèmes de mots en plusieurs étapes où il est essentiel de revenir en arrière après une étape erronée pour obtenir la bonne réponse.
Des puzzles de contraintes comme des mini mots croisés, où le modèle teste les remplissages partiels et abandonne les branches qui violent les indices.
L'avenir de l'arbre des pensées
Attendez-vous à ce que les délibérations arborescentes soient absorbées dans des systèmes agents et des modèles de « raisonnement » qui allouent des calculs supplémentaires aux problèmes difficiles au moment de l'inférence. Des variantes telles que Graph of Thoughts permettent de fusionner et de réutiliser des résultats intermédiaires, et des évaluateurs expérimentés peuvent remplacer la notation basée sur des invites pour plus de fiabilité. La tendance plus large consiste à traiter la recherche par temps d'inférence comme un bouton réglable : consacrer plus de temps de calcul à l'exploration des branches pour les questions à enjeux élevés, moins pour les questions faciles, brouillant ainsi la frontière entre l'incitation et la planification.
Le mettre en pratique
Pourquoi c'est important
- Vitesse et échelle. Les flux de travail linguistiques peuvent évoluer plus rapidement sans sacrifier la cohérence.
- Accès et portée. Il étend l’accès à toutes les langues et styles de communication.
- Décisions plus claires. Les équipes peuvent consacrer plus de temps au jugement tandis que l’automatisation gère les répétitions.
Attention à
- Les faits hallucinés peuvent discrètement entrer dans des rapports, des flux de support ou des résultats de recherche.
- La sensibilité des invites peut créer des résultats incohérents pour des demandes similaires.
- Les données textuelles sensibles peuvent être exposées si les contrôles d’accès sont faibles.
Prochaines étapes
- Définissez le format de sortie, le ton et les normes de qualité avant le déploiement.
- Établissez des réponses auprès de sources fiables chaque fois que la précision est importante.
- Gardez un point de contrôle d’examen humain pour les résultats à enjeux élevés.
- Suivez les modèles de défaillance et recyclez régulièrement les invites ou les flux de travail.
Continuez à explorer
Newsletter gratuite
Recevez le briefing quotidien sur l'IA
Trois histoires d'IA vérifiées chaque matin de la semaine, écrites dans un anglais simple. Gratuit pour toujours, sans publicité.
Un e-mail chaque jour de la semaine. Désabonnez-vous en un clic. Nous ne vendons ni ne partageons jamais votre adresse.
Testez-vous
Take the Tree of Thoughts quiz
Commentaires instantanés sur chaque réponse et un certificat partageable avec une pièce d'identité vérifiable une fois que vous avez réussi un cours.
Soutenez l’enseignement gratuit de l’IA. AI Understanding est une organisation à but non lucratif 501(c)(3) : pas de publicité, pas de paywall, jamais. Faire un don
Questions fréquemment posées
Qu’est-ce que l’Arbre des Pensées ?
Tree of Thoughts (ToT) is an inference-time framework that explores candidate reasoning steps, evaluates intermediate states, and searches among branches. It can help on tasks that support useful intermediate evaluation, but results depend on the model, task, search budget, and evaluator.
En quoi l’Arbre des Pensées diffère-t-il fondamentalement de l’incitation à la chaîne de pensée ?
Là où la chaîne de pensée suit un chemin linéaire, l'Arbre des Pensées se divise en plusieurs pensées candidates, les évalue et revient sur les impasses.
Quels sont les trois composants qui composent un système d’Arbre de Pensées ?
ToT associe un générateur de pensées candidates, un évaluateur qui note les états partiels et une procédure de recherche (comme BFS ou DFS) pour décider quelles branches développer.
In the original Tree of Thoughts Game of 24 experiment, what result did breadth-five search report for its selected test set?
The 74% figure is reported for a particular GPT-4 ToT setup and selected test examples, so it should not be generalized to all tasks or models.
Comment un système d’Arbre de Pensées évalue-t-il généralement les solutions partielles ?
Le modèle lui-même fait généralement office d'évaluateur, jugeant à quel point chaque chemin partiel est prometteur afin que la recherche puisse élaguer les branches faibles.
Qu’est-ce qui est vrai dans la mise en œuvre de Tree of Thoughts sur un modèle existant ?
ToT orchestre les capacités existantes du modèle via des invites et une boucle de recherche ; cela ne modifie pas les pondérations sous-jacentes.
Continuez à apprendre
Guides associés
Plus de guides sélectionnés pour ce sujet