भाषा एआई गाइड
विचारों का वृक्ष
Tree of Thoughts (ToT) is an inference-time framework that explores candidate reasoning steps, evaluates intermediate states, and searches among branches.
इस गाइड को सुनेंएआई-नैरेटेड · ~2 min
इस पृष्ठ पर2 मिनट लाल
सिंहावलोकन
It can help on tasks that support useful intermediate evaluation, but results depend on the model, task, search budget, and evaluator.
गहरा गोता
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.
वास्तविक विश्व कार्यान्वयन
गेम ऑफ़ 24 की पहेली को हल करना, जहां कई उम्मीदवार समीकरणों की खोज और काट-छांट करके, 24 तक पहुंचने के लिए चार संख्याओं को अंकगणित के साथ जोड़ना होगा।
रचनात्मक लेखन कार्य जहां मॉडल कई कथानक दिशाओं का मसौदा तैयार करता है, सुसंगतता का मूल्यांकन करता है, और सबसे मजबूत दिशा विकसित करता है।
गणितीय प्रमाण या बहु-चरणीय शब्द समस्याएं जहां सही उत्तर तक पहुंचने के लिए त्रुटिपूर्ण कदम से पीछे हटना आवश्यक है।
मिनी क्रॉसवर्ड जैसी बाधा पहेलियां, जहां मॉडल आंशिक भरण का परीक्षण करता है और सुराग का उल्लंघन करने वाली शाखाओं को छोड़ देता है।
विचारों के वृक्ष का भविष्य
अपेक्षा करें कि वृक्ष-शैली के विचार-विमर्श को एजेंटिक प्रणालियों और 'तर्क' मॉडल में समाहित किया जाए जो अनुमान के समय कठिन समस्याओं के लिए अतिरिक्त गणना आवंटित करते हैं। ग्राफ़ ऑफ़ थॉट्स जैसे वेरिएंट मध्यवर्ती परिणामों को मर्ज करने और पुन: उपयोग करने की अनुमति देते हैं, और विद्वान मूल्यांकनकर्ता विश्वसनीयता के लिए शीघ्र-आधारित स्कोरिंग की जगह ले सकते हैं। व्यापक प्रवृत्ति अनुमान-समय खोज को एक ट्यून करने योग्य घुंडी के रूप में मान रही है: उच्च जोखिम वाले प्रश्नों के लिए शाखाओं की खोज में अधिक गणना खर्च करें, आसान प्रश्नों के लिए कम, संकेत और योजना के बीच की रेखा को धुंधला करना।
इसे व्यवहार में लाना
यह क्यों मायने रखता है?
- गति और पैमाना. भाषा वर्कफ़्लो निरंतरता से समझौता किए बिना तेज़ी से आगे बढ़ सकता है।
- पहुंच और पहुंच. यह सभी भाषाओं और संचार शैलियों तक पहुंच का विस्तार करता है।
- स्पष्ट निर्णय. टीमें निर्णय लेने में अधिक समय व्यतीत कर सकती हैं जबकि स्वचालन पुनरावृत्ति को संभालता है।
का ध्यान रखें
- मतिभ्रम वाले तथ्य चुपचाप रिपोर्ट में प्रवेश कर सकते हैं, प्रवाह का समर्थन कर सकते हैं, या अनुसंधान आउटपुट का समर्थन कर सकते हैं।
- त्वरित संवेदनशीलता समान अनुरोधों में असंगत परिणाम पैदा कर सकती है।
- यदि पहुंच नियंत्रण कमजोर हैं तो संवेदनशील पाठ डेटा उजागर हो सकता है।
अगले चरण
- रोलआउट से पहले आउटपुट स्वरूप, टोन और गुणवत्ता मानकों को परिभाषित करें।
- जब भी सटीकता मायने रखती है तो विश्वसनीय स्रोतों के साथ जमीनी प्रतिक्रियाएँ।
- उच्च जोखिम वाले आउटपुट के लिए एक मानव समीक्षा चेकपॉइंट रखें।
- विफलता पैटर्न को ट्रैक करें और संकेतों या वर्कफ़्लो को नियमित रूप से पुनः प्रशिक्षित करें।
अन्वेषण करते रहें
मुफ़्त न्यूज़लेटर
दैनिक एआई ब्रीफिंग प्राप्त करें
हर कार्यदिवस की सुबह तीन सत्यापित एआई कहानियाँ, सादे अंग्रेजी में लिखी गईं। हमेशा के लिए मुफ़्त, कोई विज्ञापन नहीं।
प्रत्येक सप्ताह के दिन एक ईमेल. एक क्लिक में सदस्यता समाप्त करें. हम आपका पता कभी नहीं बेचते या साझा नहीं करते।
स्वयं की जांच करो
Take the Tree of Thoughts quiz
प्रत्येक उत्तर पर त्वरित प्रतिक्रिया, और पाठ्यक्रम पास करने के बाद एक सत्यापन योग्य आईडी के साथ एक साझा करने योग्य प्रमाणपत्र।
निःशुल्क एआई शिक्षा का समर्थन करें। AI Understanding एक 501(c)(3) गैर-लाभकारी संस्था है - कोई विज्ञापन नहीं, कोई पेवॉल नहीं। दान करें
अक्सर पूछे जाने वाले प्रश्नों
विचारों का वृक्ष क्या है?
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.
विचारों का वृक्ष मूलतः विचार-श्रृंखला प्रेरणा से किस प्रकार भिन्न है?
जहां विचारों की शृंखला एक रेखीय पथ का अनुसरण करती है, विचारों का वृक्ष कई उम्मीदवारों के विचारों में शाखाएं बनाता है, उनका मूल्यांकन करता है, और गतिरोध से पीछे हट जाता है।
कौन से तीन घटक विचार वृक्ष प्रणाली बनाते हैं?
टीओटी उम्मीदवार के विचारों का एक जनरेटर, एक मूल्यांकनकर्ता जो आंशिक स्थिति को स्कोर करता है, और एक खोज प्रक्रिया (जैसे बीएफएस या डीएफएस) को यह तय करने के लिए जोड़ता है कि किन शाखाओं का विस्तार करना है।
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.
विचारों का वृक्ष प्रणाली आम तौर पर आंशिक समाधानों का मूल्यांकन कैसे करती है?
मॉडल स्वयं आमतौर पर मूल्यांकनकर्ता के रूप में कार्य करता है, यह निर्णय लेता है कि प्रत्येक आंशिक पथ कितना आशाजनक है ताकि खोज कमजोर शाखाओं को काट सके।
मौजूदा मॉडल पर ट्री ऑफ थॉट्स को लागू करने के बारे में क्या सच है?
टीओटी संकेतों और एक खोज लूप के माध्यम से मॉडल की मौजूदा क्षमताओं को व्यवस्थित करता है; यह अंतर्निहित भार को संशोधित नहीं करता है।
सीखते रहो
संबंधित मार्गदर्शिकाएँ
इस विषय के लिए अधिक मार्गदर्शिकाएँ चुनी गईं