ٹری آف تھیٹس ریزننگ
Tree-of-Thoughts ایک ماڈل کو متوازی طور پر متعدد استدلال کے راستوں کو تلاش کرنے دیتا ہے، جیسے کہ ایک درخت کی شاخیں، سوچ کی ایک لائن کا ارتکاب کرنے کے بجائے۔
جائزہ
It can look ahead, evaluate partial solutions, and backtrack from dead ends.
گہرا غوطہ
Yao et al کے ذریعہ متعارف کرایا گیا۔ 2023 میں، ٹری آف تھوٹس (ToT) چین آف تھیٹ پرمپٹنگ کو عام کرتا ہے۔ جہاں سوچ کا سلسلہ استدلال کے مراحل کی ایک واحد لکیری ترتیب پیدا کرتا ہے، ToT مسئلے کو ایک درخت کی طرح بناتا ہے: ہر نوڈ ایک جزوی حل (ایک 'سوچ') ہے، اور ماڈل ہر نوڈ سے کئی امیدوار اگلے خیالات پیدا کرتا ہے۔ ایک الگ تشخیصی مرحلہ اسکور کرتا ہے کہ ہر شاخ کتنی امید افزا ہے، اور تلاش کا الگورتھم جیسا کہ چوڑائی-پہلی یا گہرائی-پہلی تلاش یہ فیصلہ کرتی ہے کہ کون سی شاخوں کو پھیلانا ہے اور کن کی کٹائی کرنی ہے۔ یہ ماڈل کو جان بوجھ کر دریافت کرنے، چند قدم آگے دیکھنے، اور جب کوئی راستہ غیر متوقع نظر آتا ہے تو پیچھے ہٹنے دیتا ہے۔ ToT ایسے کاموں پر چمکا جو لالچی سنگل پاتھ استدلال کو شکست دیتے ہیں، سب سے مشہور گیم آف 24، جہاں GPT-4 نے چین آف تھیٹ کے ساتھ تقریباً 4% پہیلیاں حل کیں لیکن ToT نے کامیابی کو تقریباً 74% تک پہنچا دیا۔
تکنیکی بصیرت
ToT کے تین ٹکڑے ہیں: ایک سوچ پیدا کرنے والا جو امیدوار کو اگلے مراحل کی تجویز پیش کرتا ہے، ایک ریاستی جائزہ لینے والا (اکثر وہی LLM جزوی حل کو 'یقینی/شاید/ناممکن' کے طور پر درجہ بندی کرنے یا ووٹ دینے کے لیے کہا جاتا ہے)، اور تلاش کا طریقہ کار (BFS، DFS، یا بیم تلاش) جو درخت کو نیویگیٹ کرتا ہے۔ چونکہ یہ ماڈل جزوی حالتوں کا جائزہ لیتا ہے اور کمزور شاخوں کو کاٹتا ہے، اس لیے یہ حل کی جگہ کے امید افزا علاقوں کے لیے کمپیوٹ مختص کرتا ہے، تجارتی اضافی تخمینہ مشکل مسائل پر کافی زیادہ درستگی کا مطالبہ کرتا ہے۔
اسٹریٹجک اثر
لاگت اور بجٹ
فن تعمیر کے فیصلے سالوں تک کارکردگی اور آپریٹنگ لاگت کو آگے بڑھاتے ہیں۔
واضح فیصلے
تکنیکی تعلیم ٹیموں کو صحیح اسٹیک منتخب کرنے میں مدد کرتی ہے، نہ صرف جدید ترین۔
کوالٹی کنٹرول
انجینئرنگ کے بہتر انتخاب پیداوار میں قابل اعتماد واقعات کو کم کرتے ہیں۔
ٹری آف تھیٹس ریزننگ کا مستقبل
ٹری آف تھوٹس اس بات پر اثرانداز ہو رہے ہیں کہ انفرنس ٹائم کمپیوٹ کیسے گزارا جاتا ہے: ایک بڑے فارورڈ پاس کے بجائے، سسٹمز تیزی سے استدلال کے راستے تلاش کرتے ہیں اور بہترین انتخاب کرتے ہیں۔ مستقبل کے کام کا مقصد یہ سیکھنا ہے کہ کب برانچنگ اس کی اعلی ٹوکن لاگت کے قابل ہے، فوری بنیاد پر خود تشخیص کے بجائے تربیت یافتہ قدر کے افعال کو استعمال کرنا، اور درخت کی تلاش کو استدلال کے ماڈلز میں جوڑنا تاکہ غور و فکر زیادہ موثر ہو۔ ٹولز اور تصدیق کنندگان کے ساتھ سخت انضمام کی توقع کریں تاکہ برانچ کی تشخیص ماڈل کے اندازے کے بجائے حقیقی تاثرات پر منحصر ہو۔
حقیقی دنیا کا نفاذ
گیم آف 24 کو برانچنگ کے ذریعے حل کرنا جس پر پہلے دو نمبروں کو جوڑنا ہے اور ریاضی کے راستوں کی کٹائی کرنا جو 24 تک نہیں پہنچ سکتے۔
ایک مربوط منصوبے کے ساتھ تخلیقی تحریر، جہاں ماڈل کئی پلاٹ کے خاکے تیار کرتا ہے، ان کا جائزہ لیتا ہے، اور نثر لکھنے سے پہلے مضبوط ترین کو بڑھاتا ہے۔
محدود پہیلیاں جیسے منی کراس ورڈز، جہاں ہر بھرا ہوا لفظ ایک سوچ ہے اور غیر مطابقت پذیر شاخوں کو چھوڑ دیا جاتا ہے۔
کثیر مرحلہ ریاضی یا منصوبہ بندی کے مسائل جہاں ماڈل رکاوٹوں کی خلاف ورزی کرنے والوں سے متبادل درمیانی مراحل اور پیچھے ہٹنا تلاش کرتا ہے۔
خطرات اور گارڈریلز
ایک بینچ مارک کو بہتر بنانا نظام کی وسیع تر کمزوریوں کو چھپا سکتا ہے۔
بنیادی ڈھانچے اور دیکھ بھال کے اخراجات کو اکثر کم سمجھا جاتا ہے۔
سیکورٹی اور مشاہداتی فرق بڑھ سکتا ہے کیونکہ نظام زیادہ پیچیدہ ہو جاتا ہے۔
نفاذ کا روڈ میپ
نفاذ سے پہلے تاخیر، معیار اور لاگت کے اہداف کی وضاحت کریں۔
حقیقت پسندانہ بوجھ اور ڈیٹا کی شرائط کے تحت بینچ مارک۔
غلطیوں، بڑھے ہوئے، اور صارف کے اثرات کے لیے آلے کی نگرانی۔
اسکیلنگ سے پہلے رول بیک اور واقعہ کے ردعمل کے راستے تیار کریں۔
دریافت کرتے رہیں
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 Reasoning 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
اگلا گائیڈ
خیالات کا درخت
اکثر پوچھے گئے سوالات
What is Tree-of-Thoughts Reasoning?
Tree-of-Thoughts ایک ماڈل کو متوازی طور پر متعدد استدلال کے راستوں کو تلاش کرنے دیتا ہے، جیسے کہ ایک درخت کی شاخیں، سوچ کی ایک لائن کا ارتکاب کرنے کے بجائے۔ یہ آگے دیکھ سکتا ہے، جزوی حل کا اندازہ لگا سکتا ہے، اور مردہ سروں سے پیچھے ہٹ سکتا ہے۔
ٹری آف تھیٹس چین آف تھیٹ پرمپٹنگ سے کیسے مختلف ہے؟
سوچ کا سلسلہ ایک واحد لکیری ترتیب پیدا کرتا ہے، جبکہ ٹری آف تھیٹس بہت سے امیدواروں کے راستوں میں شاخیں بناتا ہے جن کی جانچ اور کٹائی کی جا سکتی ہے۔
ٹری آف تھیٹس میں، ایک سنگل نوڈ عام طور پر کس چیز کی نمائندگی کرتا ہے؟
ہر نوڈ ایک جزوی حل (ایک سوچ) ہے، اور ماڈل ہر نوڈ سے کئی امیدواروں کے اگلے خیالات کو پھیلاتا ہے۔
ٹری آف تھاٹس میں ریاست کا جائزہ لینے والا کیا کردار ادا کرتا ہے؟
جائزہ لینے والا، اکثر ایک ہی LLM، جزوی ریاستوں پر شرح یا ووٹ (مثلاً، یقینی/شاید/ناممکن) تاکہ تلاش امید افزا شاخوں پر توجہ مرکوز کر سکے۔
گیم آف 24 بینچ مارک پر، ToT نے ڈرامائی طور پر چین آف تھیٹ کو کس چھلانگ سے پیچھے چھوڑ دیا؟
GPT-4 نے چین آف تھیٹ کے ساتھ تقریباً 4% گیم آف 24 پہیلیاں حل کیں، جبکہ ٹری آف تھیٹس تقریباً 74% تک پہنچ گئے۔
سوچ کے درخت کو نیویگیٹ کرنے کے لیے عام طور پر کون سی تلاش کی حکمت عملی استعمال کی جاتی ہے؟
ToT نے سوچا کہ تخلیق اور تشخیص کو کلاسک تلاش کے طریقہ کار جیسے BFS، DFS، یا بیم سرچ کے ساتھ جوڑا تاکہ یہ فیصلہ کیا جا سکے کہ کون سی شاخوں کو بڑھانا ہے۔