คู่มือ AI ภาษา

ต้นไม้แห่งความคิด

Tree of Thoughts (ToT) is an inference-time framework that explores candidate reasoning steps, evaluates intermediate states, and searches among branches.

ฟังคำแนะนำนี้บรรยายโดย AI · ~2 min

บนหน้านี้อ่าน 2 นาที
  1. ภาพรวม
  2. เจาะลึก
  3. การใช้งานจริงในโลกแห่งความเป็นจริง
  4. อนาคตของต้นไม้แห่งความคิด
  5. การนำไปปฏิบัติ
  6. สำรวจต่อไป
  7. คำถามที่พบบ่อย

ภาพรวม

It can help on tasks that support useful intermediate evaluation, but results depend on the model, task, search budget, and evaluator.

เจาะลึก

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.

การใช้งานจริงในโลกแห่งความเป็นจริง

แก้ปริศนาเกม 24 โดยที่ตัวเลขสี่ตัวต้องรวมกับเลขคณิตเพื่อให้ได้ 24 โดยการสำรวจและตัดสมการผู้สมัครจำนวนมาก

งานเขียนเชิงสร้างสรรค์โดยที่แบบจำลองร่างทิศทางโครงเรื่องหลายจุด ประเมินการเชื่อมโยงกัน และพัฒนาจุดที่แข็งแกร่งที่สุด

การพิสูจน์ทางคณิตศาสตร์หรือปัญหาคำศัพท์หลายขั้นตอน ซึ่งการย้อนรอยจากขั้นตอนที่บกพร่องเป็นสิ่งสำคัญเพื่อให้ได้คำตอบที่ถูกต้อง

ปริศนาที่มีข้อจำกัด เช่น ปริศนาอักษรไขว้ขนาดเล็ก โดยที่แบบจำลองจะทดสอบการเติมบางส่วนและละทิ้งสาขาที่ละเมิดเบาะแส

อนาคตของต้นไม้แห่งความคิด

คาดว่าการพิจารณาแบบต้นไม้จะถูกดูดซึมเข้าสู่ระบบเอเจนต์และโมเดล 'การให้เหตุผล' ที่จัดสรรการประมวลผลเพิ่มเติมให้กับปัญหาหนักในเวลาอนุมาน ตัวแปรต่างๆ เช่น กราฟความคิด ช่วยให้เส้นทางสามารถผสานและนำผลลัพธ์ระดับกลางกลับมาใช้ใหม่ได้ และผู้ประเมินที่เรียนรู้อาจแทนที่การให้คะแนนแบบทันทีเพื่อความน่าเชื่อถือ แนวโน้มที่กว้างขึ้นคือการใช้การค้นหาตามเวลาอนุมานเหมือนปุ่มปรับ: ใช้การคำนวณมากขึ้นในการสำรวจสาขาต่างๆ สำหรับคำถามที่มีเดิมพันสูง น้อยลงสำหรับคำถามที่ง่าย ทำให้เส้นแบ่งระหว่างการกระตุ้นเตือนและการวางแผนไม่ชัดเจน

การนำไปปฏิบัติ

ทำไมมันถึงสำคัญ

  • ความเร็วและขนาด. ขั้นตอนการทำงานของภาษาสามารถดำเนินไปได้เร็วขึ้นโดยไม่กระทบต่อความสม่ำเสมอ
  • เข้าถึงและเข้าถึง. ขยายการเข้าถึงภาษาและรูปแบบการสื่อสาร
  • การตัดสินใจที่ชัดเจนยิ่งขึ้น. ทีมสามารถใช้เวลามากขึ้นในการตัดสิน ในขณะที่ระบบอัตโนมัติจัดการกับการทำซ้ำ

ระวัง

  • ข้อเท็จจริงที่หลอนประสาทสามารถเข้าสู่รายงาน กระแสสนับสนุน หรือผลการวิจัยได้อย่างเงียบๆ
  • ความละเอียดอ่อนของการแจ้งเตือนสามารถสร้างผลลัพธ์ที่ไม่สอดคล้องกันในคำขอที่คล้ายกัน
  • ข้อมูลข้อความที่ละเอียดอ่อนอาจถูกเปิดเผยหากการควบคุมการเข้าถึงอ่อนแอ

ขั้นตอนต่อไป

  1. กำหนดรูปแบบเอาต์พุต โทนเสียง และมาตรฐานคุณภาพก่อนเปิดตัว
  2. การตอบสนองภาคพื้นดินกับแหล่งข้อมูลที่เชื่อถือได้เมื่อใดก็ตามที่ความแม่นยำมีความสำคัญ
  3. รักษาจุดตรวจสอบการตรวจสอบโดยมนุษย์สำหรับผลลัพธ์ที่มีเดิมพันสูง
  4. ติดตามรูปแบบความล้มเหลวและฝึกอบรมพร้อมท์หรือเวิร์กโฟลว์เป็นประจำ

สำรวจต่อไป

จดหมายข่าวฟรี

รับสรุป AI รายวัน

เรื่องราว AI ที่ตรวจสอบแล้ว 3 เรื่องทุกวันทำงาน เช้า, เขียนเป็นภาษาอังกฤษธรรมดา ฟรีตลอดไป ไม่มีโฆษณา

อีเมลหนึ่งฉบับทุกวันทำงาน ยกเลิกการสมัครในคลิกเดียว เราไม่เคยขายหรือแชร์ที่อยู่อีเมลของคุณ

ทดสอบตัวเอง

Take the Tree of Thoughts quiz

ข้อเสนอแนะทันทีสำหรับทุกคำตอบ และใบรับรองที่สามารถแชร์ได้พร้อม ID ที่ตรวจสอบได้เมื่อคุณผ่านหลักสูตร

เริ่มแบบทดสอบ

สนับสนุนการศึกษา AI ฟรี AI Understanding เป็นองค์กรไม่แสวงหาผลกำไร 501(c)(3) — ไม่มีโฆษณา ไม่มีกำแพงเงิน, ตลอดไป บริจาค

คำถามที่พบบ่อย

What is Tree of Thoughts?

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.

Tree of Thoughts แตกต่างโดยพื้นฐานจากการกระตุ้นเตือนแบบลูกโซ่อย่างไร

เมื่อห่วงโซ่แห่งความคิดเดินตามเส้นทางเชิงเส้นเส้นเดียว ต้นไม้แห่งความคิดจะแตกแขนงออกเป็นหลายความคิดของผู้สมัคร ประเมินความคิดเหล่านั้น และย้อนรอยจากทางตัน

องค์ประกอบสามข้อใดที่ประกอบกันเป็นระบบ Tree of Thoughts

ToT จับคู่เครื่องกำเนิดความคิดของผู้สมัคร ผู้ประเมินที่ให้คะแนนสถานะบางส่วน และขั้นตอนการค้นหา (เช่น BFS หรือ DFS) เพื่อตัดสินใจว่าจะขยายสาขาใด

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.

โดยทั่วไประบบ Tree of Thoughts จะประเมินวิธีแก้ปัญหาบางส่วนอย่างไร

ตัวแบบมักจะทำหน้าที่เป็นผู้ประเมิน โดยตัดสินว่าเส้นทางบางส่วนแต่ละเส้นทางมีแนวโน้มที่ดีเพียงใด เพื่อการค้นหาสามารถตัดกิ่งที่อ่อนแอออกได้

อะไรคือความจริงเกี่ยวกับการนำ Tree of Thoughts ไปใช้กับโมเดลที่มีอยู่?

ToT orchestrates the model's existing capabilities through prompts and a search loop; มันไม่ได้แก้ไขน้ำหนักพื้นฐาน

เรียนรู้ต่อไป

คำแนะนำที่เกี่ยวข้อง

คำแนะนำเพิ่มเติมที่เลือกสำหรับหัวข้อนี้

รับใบรับรอง AI ฟรีหลักสูตรและการสอบสั้น ๆ ฟรี ไม่มีค่าใช้จ่าย ไม่มีบัตรเครดิต ประมาณ 2.5 ชั่วโมงเริ่มต้นฟรี →