विचारों का वृक्ष
ट्री ऑफ थॉट्स (टीओटी) एक प्रेरक ढांचा है जो एक भाषा मॉडल को सोच की एक पंक्ति के लिए प्रतिबद्ध होने के बजाय, एक पेड़ की शाखाओं की तरह, समानांतर में कई तर्क पथों का पता लगाने की सुविधा देता है।
सिंहावलोकन
यह मायने रखता है क्योंकि यह उन समस्याओं पर प्रदर्शन में नाटकीय रूप से सुधार करता है जिनके लिए योजना, खोज या पीछे हटने की आवश्यकता होती है।
गहरा गोता
मानक चेन-ऑफ़-थॉट प्रॉम्प्टिंग एक मॉडल को शुरू से अंत तक तर्क चरणों के एक अनुक्रम के माध्यम से चलाती है, जो कई कार्यों के लिए काम करती है लेकिन तब विफल हो जाती है जब एक प्रारंभिक गलती पूरे उत्तर को बर्बाद कर देती है। 2023 में प्रिंसटन और Google डीपमाइंड के शोधकर्ताओं द्वारा पेश किया गया ट्री ऑफ थॉट्स, एक पेड़ पर एक खोज के रूप में तर्क को फिर से परिभाषित करता है। प्रत्येक चरण में मॉडल कई उम्मीदवार 'विचार' (मध्यवर्ती चरण या आंशिक समाधान) उत्पन्न करता है, मूल्यांकन करता है कि उनमें से प्रत्येक कितना आशाजनक है, और फिर गतिरोधों को छोड़कर आगे सर्वोत्तम शाखाओं की खोज करता है। यह मॉडल को आगे देखने, विकल्पों की तुलना करने और पीछे हटने की सुविधा देता है, एक बार में अनुमान लगाने वाले की तुलना में जानबूझकर समस्या हल करने वाले की तरह व्यवहार करता है। गेम ऑफ 24 जैसे कार्यों में, टीओटी ने विचार-श्रृंखला के साथ सफलता दर को कुछ प्रतिशत से बढ़ाकर लगभग 74 प्रतिशत कर दिया।
तकनीकी अंतर्दृष्टि
टीओटी तीन सामग्रियों को जोड़ती है: एक विचार जनरेटर जो कई अगले चरणों का प्रस्ताव करता है, एक राज्य मूल्यांकनकर्ता जो स्कोर करता है या वोट देता है कि प्रत्येक आंशिक पथ के सफल होने की कितनी संभावना है, और एक खोज एल्गोरिदम, आमतौर पर चौड़ाई-पहली या गहराई-पहली खोज, जो तय करती है कि किन शाखाओं का विस्तार करना है या काट-छांट करना है। मॉडल आमतौर पर राज्यों को 'निश्चित', 'शायद', या 'असंभव' के रूप में रेटिंग देने के लिए प्रेरित करके मूल्यांकन करता है। महत्वपूर्ण बात यह है कि यह मॉडल के संकेतों का आवरण है, न कि पुनः प्रशिक्षण।
सामरिक प्रभाव
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।
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।
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।
जोखिम और रेलिंग
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।
कार्यान्वयन रोडमैप
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
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
अगली गाइड
ट्री-ऑफ़-थॉट्स रीज़निंग
अक्सर पूछे जाने वाले प्रश्नों
विचारों का वृक्ष क्या है?
ट्री ऑफ थॉट्स (टीओटी) एक प्रेरक ढांचा है जो एक भाषा मॉडल को सोच की एक पंक्ति के लिए प्रतिबद्ध होने के बजाय, एक पेड़ की शाखाओं की तरह, समानांतर में कई तर्क पथों का पता लगाने की सुविधा देता है। यह महत्वपूर्ण है क्योंकि यह उन समस्याओं पर प्रदर्शन में नाटकीय रूप से सुधार करता है जिनके लिए योजना, खोज या बैकट्रैकिंग की आवश्यकता होती है।
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।
गेम ऑफ़ 24 बेंचमार्क पर, ट्री ऑफ़ थॉट्स का उपयोग करने का उल्लेखनीय परिणाम क्या था?
टीओटी ने खोज और बैकट्रैकिंग के मूल्य को प्रदर्शित करते हुए चेन-ऑफ-थॉट की तुलना में गेम ऑफ 24 की सफलता दर में नाटकीय रूप से सुधार किया।
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।