Pohon Pikiran
Tree of Thoughts (ToT) adalah kerangka kerja yang memungkinkan model bahasa mengeksplorasi beberapa jalur penalaran secara paralel, seperti cabang pohon, alih-alih berkomitmen pada satu jalur pemikiran.
Ikhtisar
It matters because it dramatically improves performance on problems that require planning, search, or backtracking.
Menyelam Lebih Dalam
Pemicu rantai pemikiran standar menuntun model melalui satu rangkaian langkah penalaran dari awal hingga akhir, yang berfungsi untuk banyak tugas tetapi gagal ketika kesalahan awal menghancurkan keseluruhan jawaban. Tree of Thoughts, yang diperkenalkan oleh para peneliti di Princeton dan Google DeepMind pada tahun 2023, mengubah penalaran sebagai pencarian di atas pohon. Pada setiap langkah, model ini menghasilkan beberapa 'pemikiran' kandidat (langkah-langkah perantara atau solusi parsial), mengevaluasi seberapa menjanjikan masing-masing pemikiran tersebut, dan kemudian mengeksplorasi cabang-cabang terbaik lebih jauh, meninggalkan jalan buntu. Hal ini memungkinkan model melihat ke depan, membandingkan pilihan, dan mundur, berperilaku lebih seperti pemecah masalah yang disengaja daripada penebak satu kali. Pada tugas-tugas seperti Game of 24, ToT meningkatkan tingkat keberhasilan dari beberapa persen dengan rangkaian pemikiran menjadi sekitar 74 persen.
Wawasan Teknis
ToT menggabungkan tiga bahan: generator pemikiran yang mengusulkan beberapa langkah berikutnya, evaluator negara bagian yang menilai atau memberikan suara pada seberapa besar kemungkinan setiap jalur parsial akan berhasil, dan algoritma pencarian, biasanya pencarian yang mengutamakan luas atau mendalam, yang memutuskan cabang mana yang akan diperluas atau dipangkas. Model itu sendiri biasanya melakukan evaluasi dengan diminta untuk menilai keadaan sebagai 'pasti', 'mungkin', atau 'tidak mungkin'. Yang terpenting, ini adalah ringkasan dari petunjuk model, bukan pelatihan ulang.
Dampak Strategis
Kecepatan dan skala
Alur kerja bahasa dapat berjalan lebih cepat tanpa mengorbankan konsistensi.
Access and reach
Ini memperluas akses lintas bahasa dan gaya komunikasi.
Clearer decisions
Tim dapat menghabiskan lebih banyak waktu untuk melakukan penilaian sementara otomatisasi menangani pengulangan.
Masa Depan Pohon Pemikiran
Harapkan pertimbangan gaya pohon diserap ke dalam sistem agen dan model 'penalaran' yang mengalokasikan komputasi ekstra untuk masalah sulit pada waktu inferensi. Varian seperti Graph of Thoughts memungkinkan jalur untuk menggabungkan dan menggunakan kembali hasil antara, dan evaluator yang terpelajar dapat menggantikan penilaian berbasis cepat untuk keandalan. Tren yang lebih luas memperlakukan penelusuran waktu inferensi sebagai sebuah tombol yang dapat disesuaikan: habiskan lebih banyak komputasi untuk menjelajahi cabang-cabang untuk pertanyaan-pertanyaan berisiko tinggi, lebih sedikit untuk pertanyaan-pertanyaan mudah, sehingga mengaburkan batas antara dorongan dan perencanaan.
Implementasi Dunia Nyata
Memecahkan teka-teki Game of 24, di mana empat angka harus digabungkan dengan aritmatika untuk mencapai 24, dengan mengeksplorasi dan memangkas banyak kandidat persamaan.
Tugas menulis kreatif di mana model menyusun beberapa arah plot, mengevaluasi koherensi, dan mengembangkan yang terkuat.
Pembuktian matematis atau soal cerita multi-langkah di mana kemunduran dari langkah yang salah sangat penting untuk mencapai jawaban yang benar.
Teka-teki batasan seperti teka-teki silang mini, di mana model menguji pengisian sebagian dan mengabaikan cabang yang melanggar petunjuk.
Risiko & Pagar Pembatas
Fakta-fakta yang dihalusinasi dapat secara diam-diam masuk ke dalam laporan, aliran dukungan, atau keluaran penelitian.
Sensitivitas yang cepat dapat menimbulkan hasil yang tidak konsisten pada permintaan serupa.
Data teks sensitif mungkin terekspos jika kontrol akses lemah.
Peta Jalan Implementasi
Tentukan format output, nada, dan standar kualitas sebelum peluncuran.
Dasarkan respons dengan sumber tepercaya kapan pun akurasi penting.
Pertahankan pos pemeriksaan tinjauan manusia untuk keluaran berisiko tinggi.
Lacak pola kegagalan dan latih kembali perintah atau alur kerja secara teratur.
Terus Menjelajah
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
Next guide
Penalaran Pohon Pikiran
Pertanyaan yang sering diajukan
What is Tree of Thoughts?
Tree of Thoughts (ToT) adalah kerangka kerja yang memungkinkan model bahasa mengeksplorasi beberapa jalur penalaran secara paralel, seperti cabang pohon, alih-alih berkomitmen pada satu jalur pemikiran. Hal ini penting karena secara dramatis meningkatkan kinerja pada masalah yang memerlukan perencanaan, pencarian, atau kemunduran.
Apa perbedaan mendasar Pohon Pikiran dengan dorongan rantai pemikiran?
Jika rantai pemikiran mengikuti satu jalur linier, Pohon Pikiran bercabang menjadi beberapa kandidat pemikiran, mengevaluasinya, dan menelusuri kembali dari jalan buntu.
Tiga komponen manakah yang membentuk sistem Pohon Pikiran?
ToT memasangkan generator pemikiran kandidat, evaluator yang menilai sebagian negara bagian, dan prosedur pencarian (seperti BFS atau DFS) untuk memutuskan cabang mana yang akan diperluas.
Pada benchmark Game of 24, apa hasil penting dari penggunaan Tree of Thoughts?
ToT secara dramatis meningkatkan tingkat keberhasilan Game of 24 dibandingkan dengan rantai pemikiran, menunjukkan nilai pencarian dan kemunduran.
Bagaimana sistem Tree of Thoughts biasanya mengevaluasi solusi parsial?
Model itu sendiri biasanya bertindak sebagai evaluator, menilai seberapa menjanjikan setiap jalur parsial sehingga pencarian dapat memangkas cabang-cabang yang lemah.
Apa kebenaran penerapan Tree of Thoughts pada model yang sudah ada?
ToT mengatur kemampuan model yang ada melalui perintah dan loop pencarian; itu tidak mengubah bobot yang mendasarinya.