생각의 나무
ToT(생각의 나무)는 언어 모델이 단일 사고 방식에 전념하는 대신 나무 가지처럼 여러 추론 경로를 병렬로 탐색할 수 있게 해주는 프롬프트 프레임워크입니다.
개요
It matters because it dramatically improves performance on problems that require planning, search, or backtracking.
심층 분석
표준적인 사고 연쇄 프롬프트는 처음부터 끝까지 일련의 추론 단계를 통해 모델을 안내합니다. 이는 많은 작업에 효과적이지만 초기 실수로 인해 전체 답이 결정되지 않으면 실패합니다. 2023년 Princeton 연구원과 Google DeepMind가 도입한 생각의 나무(Tree of Thoughts)는 추론을 나무 검색으로 재구성합니다. 각 단계에서 모델은 여러 후보 '생각'(중간 단계 또는 부분 솔루션)을 생성하고 각 단계가 얼마나 유망한지 평가한 다음 막다른 골목을 버리고 최상의 분기를 더 탐색합니다. 이를 통해 모델은 일회성 추측보다는 고의적인 문제 해결자처럼 행동하여 미리 보고, 옵션을 비교하고, 역추적할 수 있습니다. Game of 24와 같은 작업에서 ToT는 일련의 사고를 통해 성공률을 몇 퍼센트에서 약 74퍼센트로 높였습니다.
기술적 통찰력
ToT는 세 가지 구성 요소를 결합합니다. 여러 다음 단계를 제안하는 사고 생성기, 각 부분 경로가 성공할 가능성에 대해 점수를 매기거나 투표하는 상태 평가기, 확장하거나 잘라낼 분기를 결정하는 검색 알고리즘(일반적으로 너비 우선 또는 깊이 우선 검색)입니다. 모델 자체는 일반적으로 상태를 '확실함', '아마도' 또는 '불가능'으로 평가하라는 메시지를 표시하여 평가를 수행합니다. 결정적으로 이는 재교육이 아닌 모델의 프롬프트를 둘러싼 래퍼입니다.
전략적 영향
속도와 규모
일관성을 유지하면서 언어 워크플로를 더 빠르게 진행할 수 있습니다.
접근 및 도달
언어와 의사소통 스타일 전반에 걸쳐 접근성을 확장합니다.
더 명확한 결정들
자동화가 반복을 처리하는 동안 팀은 판단에 더 많은 시간을 할애할 수 있습니다.
생각의 나무의 미래
추론 시 어려운 문제에 추가 계산을 할당하는 에이전트 시스템과 '추론' 모델에 트리 스타일 심의가 흡수될 것으로 기대합니다. 생각 그래프와 같은 변형을 사용하면 경로를 통해 중간 결과를 병합하고 재사용할 수 있으며 학습된 평가자가 프롬프트 기반 채점을 대체하여 신뢰성을 높일 수 있습니다. 더 넓은 추세는 추론 시간 검색을 조정 가능한 손잡이로 취급하는 것입니다. 즉, 위험성이 높은 질문에 대해서는 분기 탐색에 더 많은 컴퓨팅을 사용하고 쉬운 질문에는 덜 사용하여 프롬프트와 계획 사이의 경계를 모호하게 만듭니다.
실제 구현
많은 후보 방정식을 탐색하고 가지치기하여 24에 도달하려면 4개의 숫자를 산술과 결합해야 하는 24 게임 퍼즐을 해결합니다.
모델이 여러 플롯 방향을 초안하고 일관성을 평가하며 가장 강력한 방향을 개발하는 창의적인 글쓰기 작업입니다.
정답에 도달하려면 결함이 있는 단계에서 역추적하는 것이 필수적인 수학적 증명 또는 다단계 단어 문제입니다.
모델이 부분 채우기를 테스트하고 단서를 위반하는 분기를 버리는 미니 크로스워드와 같은 제약 퍼즐입니다.
위험 및 가드레일
환각 사실은 보고서, 지원 흐름 또는 연구 결과에 조용히 포함될 수 있습니다.
신속한 민감도는 유사한 요청 간에 일관되지 않은 결과를 초래할 수 있습니다.
액세스 제어가 약한 경우 민감한 텍스트 데이터가 노출될 수 있습니다.
구현 로드맵
출시 전에 출력 형식, 톤, 품질 표준을 정의하세요.
정확성이 중요할 때마다 신뢰할 수 있는 출처를 통해 대응하세요.
고위험 결과물에 대한 인적 검토 체크포인트를 유지합니다.
실패 패턴을 추적하고 프롬프트나 워크플로를 정기적으로 재교육하세요.
계속 탐색하세요
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
다음 가이드
생각의 나무 추론
자주 묻는 질문
What is Tree of Thoughts?
ToT(생각의 나무)는 언어 모델이 단일 사고 방식에 전념하는 대신 나무 가지처럼 여러 추론 경로를 병렬로 탐색할 수 있게 해주는 프롬프트 프레임워크입니다. 이는 계획, 검색 또는 역추적이 필요한 문제에 대한 성능을 획기적으로 향상시키기 때문에 중요합니다.
생각의 나무는 생각의 연쇄 유도와 근본적으로 어떻게 다른가요?
생각의 사슬이 하나의 선형 경로를 따르는 경우 생각의 나무는 여러 후보 생각으로 분기되어 이를 평가하고 막다른 골목에서 되돌아갑니다.
생각의 나무 시스템을 구성하는 세 가지 구성 요소는 무엇입니까?
ToT는 후보 생각 생성기, 부분 상태의 점수를 매기는 평가기, 확장할 분기를 결정하는 검색 절차(예: BFS 또는 DFS)를 결합합니다.
Game of 24 벤치마크에서 Tree of Thoughts를 사용하여 주목할 만한 결과는 무엇이었나요?
ToT는 생각의 사슬에 비해 Game of 24의 성공률을 획기적으로 향상시켜 검색 및 역추적의 가치를 입증했습니다.
생각의 나무 시스템은 일반적으로 부분 솔루션을 어떻게 평가합니까?
모델 자체는 일반적으로 각 부분 경로가 얼마나 유망한지 판단하여 검색을 통해 약한 가지를 잘라낼 수 있는 평가자 역할을 합니다.
기존 모델에 생각의 나무를 구현하는 것에 대한 사실은 무엇입니까?
ToT는 프롬프트와 검색 루프를 통해 모델의 기존 기능을 조정합니다. 기본 가중치는 수정되지 않습니다.