概述
It can help on tasks that support useful intermediate evaluation, but results depend on the model, task, search budget, and evaluator.
深入探讨
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.
现实世界的实施
通过探索和修剪许多候选方程，解决 24 人游戏难题，其中四个数字必须通过算术组合才能达到 24。
创意写作任务中，模型起草几个情节方向，评估连贯性，并制定最强的一个。
数学证明或多步骤应用题，其中从有缺陷的步骤回溯对于得出正确答案至关重要。
像迷你填字游戏这样的约束谜题，模型会测试部分填充并放弃违反线索的分支。
思想之树的未来
期望树式审议被吸收到代理系统和“推理”模型中，在推理时为难题分配额外的计算。像思维图这样的变体允许合并和重用中间结果的路径，并且学习评估器可以取代基于提示的评分以提高可靠性。更广泛的趋势是将推理时间搜索视为一个可调旋钮：花费更多的计算来探索高风险问题的分支，减少简单问题的计算，从而模糊了提示和计划之间的界限。
付诸实践
为什么这很重要
- 速度与规模. 语言工作流程可以在不牺牲一致性的情况下更快地移动。
- 交通与覆盖范围. 它扩展了跨语言和沟通方式的访问。
- 更清晰的判决. 团队可以花更多时间进行判断，而自动化则可以处理重复。
留意
- 幻觉的事实可以悄悄地进入报告、支持流程或研究成果。
- 及时的敏感性可能会在类似的请求中产生不一致的结果。
- 如果访问控制薄弱，敏感文本数据可能会暴露。
后续步骤
- 在推出之前定义输出格式、语气和质量标准。
- 当准确性很重要时，请使用可信来源进行地面响应。
- 为高风险输出保留人工审查检查点。
- 跟踪故障模式并定期重新训练提示或工作流程。
不断探索
常见问题
什么是思想树？
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.
思想树与思想链提示有何根本区别？
在思想链遵循一条线性路径的情况下，思想树分支成几个候选思想，评估它们，并从死胡同回溯。
思想树系统由哪三个组成部分组成？
ToT 将候选想法的生成器、对部分状态进行评分的评估器以及用于决定扩展哪些分支的搜索过程（如 BFS 或 DFS）配对。
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.
思想树系统通常如何评估部分解决方案？
模型本身通常充当评估器，判断每条部分路径的前景如何，以便搜索可以修剪薄弱分支。
在现有模型上实施思想树的事实是怎样的？
ToT 通过提示和搜索循环来协调模型的现有功能；它不会修改基础权重。