Tiếp theoHướng dẫn tiếp theo
Cây Suy Nghĩ
Ngôn ngữ AI
HƯỚNG DẪN KỸ THUẬT
Lý luận về cây suy nghĩ
Tree-of-Thoughts cho phép mô hình khám phá song song nhiều đường dẫn lý luận, giống như các nhánh của cây, thay vì chỉ tuân theo một dòng suy nghĩ.
Nghe hướng dẫn nàyAI thuật lại · ~2 min
Trên trang nàyĐọc trong 2 phút
Tổng quan
Nó có thể nhìn về phía trước, đánh giá các giải pháp từng phần và quay lại từ ngõ cụt.
Lặn sâu
Được giới thiệu bởi Yao et al. vào năm 2023, Cây suy nghĩ (ToT) khái quát hóa việc nhắc nhở theo chuỗi suy nghĩ. Trong đó chuỗi suy nghĩ tạo ra một chuỗi các bước lý luận tuyến tính duy nhất, ToT cấu trúc vấn đề dưới dạng cây: mỗi nút là một giải pháp một phần (một 'suy nghĩ') và mô hình tạo ra một số suy nghĩ tiếp theo ứng cử viên từ mỗi nút. Một bước đánh giá riêng biệt sẽ đánh giá mức độ hứa hẹn của từng nhánh và thuật toán tìm kiếm như tìm kiếm theo chiều rộng hoặc chiều sâu sẽ quyết định nhánh nào sẽ mở rộng và nhánh nào cần cắt tỉa. Điều này cho phép mô hình khám phá một cách có chủ ý, xem trước một vài bước và quay lại khi một đường đi có vẻ không hứa hẹn. ToT đã tỏa sáng trong các nhiệm vụ đánh bại lối suy luận đường đơn tham lam, nổi tiếng nhất là Trò chơi 24, trong đó GPT-4 với chuỗi suy nghĩ đã giải được khoảng 4% câu đố nhưng ToT đã đẩy tỷ lệ thành công lên khoảng 74%.
Triển khai trong thế giới thực
Giải Trò chơi 24 bằng cách phân nhánh hai số để kết hợp đầu tiên và cắt bớt các đường số học không thể đạt tới 24.
Viết sáng tạo với một kế hoạch mạch lạc, trong đó người mẫu phác thảo một số phác thảo cốt truyện, đánh giá chúng và mở rộng mạnh mẽ nhất trước khi viết văn xuôi.
Các câu đố hạn chế như ô chữ nhỏ, trong đó mỗi từ được điền là một ý nghĩ và các nhánh không tương thích sẽ bị loại bỏ.
Các bài toán lập kế hoạch hoặc toán học nhiều bước trong đó mô hình khám phá các bước trung gian thay thế và quay lui từ những bước vi phạm các ràng buộc.
Tương lai của lý luận cây suy nghĩ
Cây suy nghĩ đang ảnh hưởng đến cách sử dụng thời gian suy luận: thay vì vượt qua một bước lớn, các hệ thống ngày càng tìm kiếm theo các đường dẫn lý luận và chọn ra đường dẫn tốt nhất. Công việc trong tương lai nhằm mục đích tìm hiểu khi nào việc phân nhánh xứng đáng với chi phí mã thông báo cao, sử dụng các hàm giá trị được đào tạo thay vì tự đánh giá dựa trên lời nhắc và đưa việc tìm kiếm cây vào các mô hình lý luận để việc cân nhắc hiệu quả hơn. Mong đợi sự tích hợp chặt chẽ hơn với các công cụ và trình xác minh để việc đánh giá chi nhánh dựa trên phản hồi thực tế thay vì phỏng đoán của mô hình.
Đưa nó vào thực tế
Tại sao nó quan trọng
- Chi phí và ngân sách. Các quyết định về kiến trúc sẽ thúc đẩy hiệu suất và chi phí vận hành trong nhiều năm.
- Quyết định rõ ràng hơn. Giáo dục kỹ thuật giúp các nhóm chọn nhóm phù hợp chứ không chỉ nhóm mới nhất.
- Kiểm soát chất lượng. Lựa chọn kỹ thuật tốt hơn làm giảm sự cố về độ tin cậy trong sản xuất.
coi chừng
- Tối ưu hóa một điểm chuẩn có thể che giấu những điểm yếu của hệ thống rộng hơn.
- Chi phí cơ sở hạ tầng và bảo trì thường được đánh giá thấp.
- Khoảng cách về bảo mật và khả năng quan sát có thể tăng lên khi hệ thống trở nên phức tạp hơn.
Các bước tiếp theo
- Xác định các mục tiêu về độ trễ, chất lượng và chi phí trước khi triển khai.
- Điểm chuẩn trong điều kiện tải và dữ liệu thực tế.
- Giám sát thiết bị về lỗi, độ lệch và tác động của người dùng.
- Chuẩn bị đường dẫn khôi phục và ứng phó sự cố trước khi mở rộng quy mô.
Tiếp tục khám phá
Bản tin miễn phí
Nhận bản tóm tắt AI hàng ngày
Ba câu chuyện AI đã được xác minh vào mỗi buổi sáng các ngày trong tuần, được viết bằng tiếng Anh đơn giản. Miễn phí mãi mãi, không có quảng cáo.
Một email mỗi ngày trong tuần. Hủy đăng ký trong một cú nhấp chuột. Chúng tôi không bao giờ bán hoặc chia sẻ địa chỉ của bạn.
Tự kiểm tra
Take the Tree-of-Thoughts Reasoning quiz
Phản hồi tức thì về mọi câu trả lời và chứng chỉ có thể chia sẻ với ID có thể xác minh sau khi bạn vượt qua khóa học.
Hỗ trợ giáo dục AI miễn phí. AI Understanding là tổ chức phi lợi nhuận 501(c)(3) — không bao giờ có quảng cáo, không có tường phí. Hãy quyên góp
Câu hỏi thường gặp
Lý luận cây suy nghĩ là gì?
Tree-of-Thoughts cho phép mô hình khám phá song song nhiều đường dẫn lý luận, giống như các nhánh của cây, thay vì chỉ tuân theo một dòng suy nghĩ. Nó có thể nhìn về phía trước, đánh giá các giải pháp từng phần và quay lại từ ngõ cụt.
Cây suy nghĩ khác với việc nhắc nhở theo chuỗi suy nghĩ như thế nào?
Chuỗi suy nghĩ tạo ra một chuỗi tuyến tính duy nhất, trong khi Cây suy nghĩ phân nhánh thành nhiều đường dẫn ứng cử viên có thể được đánh giá và cắt tỉa.
Trong Cây suy nghĩ, một nút thường đại diện cho điều gì?
Mỗi nút là một giải pháp một phần (một ý nghĩ) và mô hình sẽ mở rộng một số ý nghĩ tiếp theo ứng viên từ mỗi nút.
Người đánh giá trạng thái đóng vai trò gì trong Cây suy nghĩ?
Người đánh giá, thường có cùng LLM, xếp hạng hoặc bỏ phiếu ở các trạng thái một phần (ví dụ: chắc chắn/có thể/không thể) để việc tìm kiếm có thể tập trung vào các nhánh có triển vọng.
Trên điểm chuẩn của Game of 24, ToT vượt trội đáng kể so với chuỗi suy nghĩ ở bước nhảy nào?
GPT-4 với chuỗi suy nghĩ đã giải được khoảng 4% trong Trò chơi gồm 24 câu đố, trong khi Cây suy nghĩ đạt khoảng 74%.
Những chiến lược tìm kiếm nào thường được sử dụng để điều hướng cây suy nghĩ?
ToT kết hợp việc tạo và đánh giá suy nghĩ với các quy trình tìm kiếm cổ điển như BFS, DFS hoặc tìm kiếm chùm tia để quyết định nên mở rộng nhánh nào.
Tiếp tục học hỏi
Hướng dẫn liên quan
Đã chọn thêm hướng dẫn cho chủ đề này