개요
생각의 그래프(Graph-of-Thoughts)는 생각이 단순히 분기하는 것이 아니라 자유롭게 병합되고, 반복되고, 연결될 수 있는 네트워크로 추론하는 모델입니다. 이를 통해 모델은 서로 다른 경로의 통찰력을 결합하고 이를 구체화하여 엄격한 트리 모양의 생각 나무 구조를 넘어설 수 있습니다.
사고 그래프 추론은 모델 품질, 인프라 비용, 대기 시간 및 규모에 따른 안정성에 영향을 미치는 기술 구성 요소입니다.
심층 분석
Besta 등이 제안함. 2023년 GoT(Graph-of-Thoughts)는 추론 프로세스를 임의의 그래프로 나타냅니다. 노드는 생각(부분 솔루션)이고 가장자리는 이들 사이의 종속성입니다. 각 생각에 정확히 하나의 상위가 있는 트리와 달리 그래프는 트리가 할 수 없는 작업, 즉 여러 생각이 하나의 결합된 솔루션으로 병합되는 집계와 생각이 루프백되어 자체 개선되는 개선을 허용합니다. 이는 답을 다시 결합해야 하는 하위 문제로 분해되는 문제에 강력합니다. 작업 정렬 및 설정을 위해 GoT는 목록을 분할하고, 조각을 독립적으로 해결하고, 정렬된 부분을 집계할 수 있습니다. 저자는 GoT가 병합을 통해 중간 결과를 더 잘 활용하기 때문에 비용을 절감하면서 Tree-of-Thoughts에 비해 정렬 품질을 향상시켰다고 보고했습니다. 컨트롤러, '운영 그래프' 일정 및 점수/순위 모듈은 어떤 변환이 실행되는지 조정합니다.
기술적 통찰력
GoT의 주요 추상화는 생각을 그래프로 처리하고 추론 단계를 그래프 변환으로 처리하는 것입니다. 생성은 새로운 생각 노드를 추가하고, 집계는 여러 노드를 하나로 병합하고(각 소스에서 들어오는 가장자리와 함께), 개선은 생각을 수정하는 자체 루프를 생성합니다. 채점 기능과 순위는 유지해야 할 가장 좋은 생각을 선택하는 반면 컨트롤러는 사전 정의된 작업 그래프를 실행합니다. 이 병합 기능은 엄격한 부모-자식 트리가 표현할 수 없는 것과 정확히 일치하며 부분 솔루션을 결합하고 재결합할 수 있게 해줍니다.
생각 그래프 추론 마스터하기
생각의 그래프(Graph-of-Thoughts)는 생각이 단순히 분기하는 것이 아니라 자유롭게 병합되고, 반복되고, 연결될 수 있는 네트워크로 추론하는 모델입니다. 이를 통해 모델은 서로 다른 경로의 통찰력을 결합하고 이를 구체화하여 엄격한 트리 모양의 생각 나무 구조를 넘어설 수 있습니다. 사고 그래프 추론은 모델 품질, 인프라 비용, 대기 시간 및 규모에 따른 안정성에 영향을 미치는 기술 구성 요소입니다. 깊은 이해를 구축하려면 생각 그래프 추론을 단일 기능이 아닌 운영 모델로 취급하십시오. 즉, 원하는 결과를 정의하고, 가정을 명확히 하고, 시스템이 안정적으로 수행할 수 있는 작업과 여전히 전문가 판단이 필요한 작업을 분리하세요.
실제로, 생각 그래프 추론을 사용하는 강력한 팀은 안정성과 비용에 맞춰 아키텍처, 데이터 및 인프라 선택을 최적화합니다. 명시적인 성공 기준을 문서화하고, 현실적인 데이터 및 워크플로를 기준으로 테스트하며, 일회성 벤치마크 승리보다는 관찰된 실패 패턴을 기반으로 반복합니다. 이론적 이해가 제품, 정책, 운영 전반에 걸쳐 지속 가능한 역량으로 바뀌는 곳입니다.
아키텍처 결정은 수년간 성능과 운영 비용을 결정합니다. 동시에 하나의 벤치마크를 최적화하면 더 광범위한 시스템 약점을 숨길 수 있습니다. 가장 탄력적인 접근 방식은 실험 속도와 거버넌스 규율을 결합하는 것입니다. 즉, 파일럿 실행, 증거 캡처, 결정 로그 게시, 모델 동작, 사용자 기대 및 규제 요구 사항이 발전함에 따라 보호 장치를 지속적으로 업데이트합니다.
전략적 영향
아키텍처 결정은 수년간 성능과 운영 비용을 결정합니다.
아키텍처 결정은 수년간 성능과 운영 비용을 결정합니다. 고품질 배포에서는 이는 측정 가능한 운영 규칙, 소유권 경계 및 반복적인 검토 의식으로 변환되므로 팀은 모호성을 확장하는 대신 자신감을 확장할 수 있습니다.
기술 교육은 팀이 최신 스택뿐만 아니라 올바른 스택을 선택하는 데 도움이 됩니다.
기술 교육은 팀이 최신 스택뿐만 아니라 올바른 스택을 선택하는 데 도움이 됩니다. 고품질 배포에서는 이는 측정 가능한 운영 규칙, 소유권 경계 및 반복적인 검토 의식으로 변환되므로 팀은 모호성을 확장하는 대신 자신감을 확장할 수 있습니다.
더 나은 엔지니어링 선택은 생산 시 신뢰성 사고를 줄입니다.
더 나은 엔지니어링 선택은 생산 시 신뢰성 사고를 줄입니다. 고품질 배포에서는 이는 측정 가능한 운영 규칙, 소유권 경계 및 반복적인 검토 의식으로 변환되므로 팀은 모호성을 확장하는 대신 자신감을 확장할 수 있습니다.
실제 구현
긴 목록을 청크로 분할하여 정렬하고, 각 청크를 개별적으로 정렬한 다음, 정렬된 청크를 하나의 정렬된 결과로 집계합니다.
섹션의 부분 요약을 생성한 다음 일관된 전체로 병합하는 문서 요약입니다.
하위 결과가 집계 노드를 통해 결합되는 키워드 계산 또는 교차와 같은 작업을 설정합니다.
품질 점수가 향상되지 않을 때까지 개선 단계를 통해 생각을 반복하여 생성된 솔루션을 반복적으로 개선합니다.
구현 패턴
사고 그래프 추론 실제
긴 목록을 청크로 분할하여 정렬하고, 각 청크를 개별적으로 정렬한 다음, 정렬된 청크를 하나의 정렬된 결과로 집계합니다.
긴 목록을 여러 개의 청크로 분할하여 정렬하고, 각 청크를 개별적으로 정렬한 다음, 정렬된 청크를 하나의 정렬된 결과로 집계합니다. 팀은 일반적으로 품질 임계값을 미리 정의하고, 극단적인 경우에 대한 인적 에스컬레이션 경로를 유지하고, 시간이 지남에 따라 생산성 향상과 오류 비용을 모두 추적할 때 더 나은 결과를 얻습니다.
사고 그래프 추론 실제
섹션의 부분 요약을 생성한 다음 일관된 전체로 병합하는 문서 요약입니다.
섹션의 부분 요약이 생성된 다음 일관된 전체로 병합되는 문서 요약 팀은 일반적으로 품질 임계값을 미리 정의하고, 극단적인 경우에 대한 인적 에스컬레이션 경로를 유지하고, 시간이 지남에 따라 생산성 향상과 오류 비용을 모두 추적할 때 더 나은 결과를 얻습니다.
사고 그래프 추론 실제
하위 결과가 집계 노드를 통해 결합되는 키워드 계산 또는 교차와 같은 작업을 설정합니다.
집계 노드를 통해 하위 결과가 결합되는 키워드 계산 또는 교차와 같은 작업 설정 팀은 일반적으로 품질 임계값을 미리 정의하고, 극단적인 경우에 대한 인적 에스컬레이션 경로를 유지하고, 시간이 지남에 따라 생산성 향상과 오류 비용을 모두 추적할 때 더 나은 결과를 얻습니다.
사고 그래프 추론 실제
품질 점수가 향상되지 않을 때까지 개선 단계를 통해 생각을 반복하여 생성된 솔루션을 반복적으로 개선합니다.
품질 점수가 향상되지 않을 때까지 개선 단계를 통해 생각을 반복하여 생성된 솔루션을 반복적으로 개선합니다. 팀은 일반적으로 품질 임계값을 미리 정의하고, 극단적인 경우에 대한 인적 에스컬레이션 경로를 유지하고, 시간이 지남에 따라 생산성 향상과 오류 비용을 모두 추적할 때 더 나은 결과를 얻습니다.
위험 및 가드레일
하나의 벤치마크를 최적화하면 더 광범위한 시스템 약점을 숨길 수 있습니다.
인프라 및 유지 관리 비용은 종종 과소평가됩니다.
시스템이 더욱 복잡해짐에 따라 보안 및 관찰 가능성의 격차가 커질 수 있습니다.
구현 로드맵
구현하기 전에 지연 시간, 품질, 비용 목표를 정의하세요.
구현하기 전에 지연 시간, 품질, 비용 목표를 정의하세요. 각 단계를 증거 게이트로 처리합니다. 기준이 충족되지 않으면 롤아웃을 일시 중지하고 간격을 좁힌 다음 사용을 확장합니다.
현실적인 로드 및 데이터 조건에서 벤치마킹합니다.
현실적인 로드 및 데이터 조건에서 벤치마킹합니다. 각 단계를 증거 게이트로 처리합니다. 기준이 충족되지 않으면 롤아웃을 일시 중지하고 간격을 좁힌 다음 사용을 확장합니다.
오류, 드리프트 및 사용자 영향에 대한 계측기 모니터링.
오류, 드리프트 및 사용자 영향에 대한 계측기 모니터링. 각 단계를 증거 게이트로 처리합니다. 기준이 충족되지 않으면 롤아웃을 일시 중지하고 간격을 좁힌 다음 사용을 확장합니다.
확장하기 전에 롤백 및 사고 대응 경로를 준비하세요.
확장하기 전에 롤백 및 사고 대응 경로를 준비하세요. 각 단계를 증거 게이트로 처리합니다. 기준이 충족되지 않으면 롤아웃을 일시 중지하고 간격을 좁힌 다음 사용을 확장합니다.