概述
思想樹讓模型可以並行探索許多推理路徑，就像樹的分支一樣，而不是局限於一條思路。它可以展望未來，評估部分解決方案，並從死胡同中回溯。
思想樹推理是一個技術構建塊，會大規模影響模型品質、基礎設施成本、延遲和可靠性。
深入探討
由姚等人介紹。 2023年，思想樹（ToT）概括了思想鏈提示。思想鏈產生推理步驟的單一線性序列，而 ToT 將問題建構成樹：每個節點都是部分解決方案（一個「想法」），模型從每個節點產生幾個候選的下一個想法。單獨的評估步驟對每個分支的前景進行評分，而廣度優先或深度優先搜尋等搜尋演算法則決定擴展哪些分支以及修剪哪些分支。這讓模型可以有意識地探索，向前看幾步，並在路徑看起來沒有希望時回溯。 ToT 擅長擊敗貪婪的單路徑推理的任務，最著名的是 24 人遊戲，其中帶有思維鏈的 GPT-4 解決了大約 4% 的謎題，但 ToT 將成功率提高到了大約 74%。
技術洞察
ToT 包含三個部分：提出候選下一步的思想產生器、狀態評估器（通常是同一個法學碩士提示對部分解決方案進行評級或投票為「確定/可能/不可能」）以及導航樹的搜尋程序（BFS、DFS 或波束搜尋）。由於模型評估部分狀態並修剪薄弱分支，因此它將計算分配給解決方案空間的有希望的區域，用額外的推理來換取對難題的更高的準確性。
掌握思想樹推理
思想樹讓模型可以並行探索許多推理路徑，就像樹的分支一樣，而不是局限於一條思路。它可以展望未來，評估部分解決方案，並從死胡同中回溯。思想樹推理是一個技術構建塊，會大規模影響模型品質、基礎設施成本、延遲和可靠性。為了建立深入的理解，請將思想樹推理視為操作模型，而不是單一功能：定義期望的結果，澄清假設，並將系統可以可靠地完成的任務與仍需要專家判斷的任務分開。
在實踐中，使用思想樹推理的強大團隊可以根據可靠性和成本來優化架構、資料和基礎設施選擇。他們記錄明確的成功標準，根據實際數據和工作流程進行測試，並根據觀察到的失敗模式而不是一次性基準測試勝利進行迭代。這就是理論理解轉變為跨產品、政策和營運的持久能力的地方。
多年來，架構決策決定著效能和營運成本。同時，優化一個基準測試可以隱藏更廣泛的系統弱點。最具彈性的方法是將實驗速度與治理規則結合：運行試點、捕獲證據、發布決策日誌，並隨著模型行為、使用者期望和監管要求的發展不斷更新保障措施。
戰略影響
多年來，架構決策決定著效能和營運成本。
多年來，架構決策決定著效能和營運成本。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
技術教育幫助團隊選擇正確的堆疊，而不僅僅是最新的堆疊。
技術教育幫助團隊選擇正確的堆疊，而不僅僅是最新的堆疊。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
更好的工程選擇可以減少生產中的可靠性事故。
更好的工程選擇可以減少生產中的可靠性事故。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
現實世界的實施
透過分支首先組合兩個數字並修剪不能達到 24 的算術路徑來解決 24 遊戲。
具有連貫計劃的創意寫作，模型起草幾個情節大綱，對其進行評估，並在撰寫散文之前擴展最強的內容。
像迷你填字遊戲這樣的約束性謎題，其中每個填充的單字都是一個想法，不相容的分支將被放棄。
多步驟數學或規劃問題，其中模型探索替代中間步驟並從違反約束的步驟中回溯。
實施模式
實踐中的思想樹推理
透過分支首先組合兩個數字並修剪不能達到 24 的算術路徑來解決 24 遊戲。
透過先組合兩個數字的分支並修剪無法達到 24 的算術路徑來解決 24 遊戲。當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並隨著時間的推移追蹤生產力增益和錯誤成本時，通常會獲得更好的結果。
實踐中的思想樹推理
具有連貫計劃的創意寫作，模型起草幾個情節大綱，對其進行評估，並在撰寫散文之前擴展最強的內容。
具有連貫計劃的創意寫作，模型起草幾個情節大綱，對其進行評估，並在撰寫散文之前擴展最強的部分。當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並隨著時間的推移追蹤生產力增益和錯誤成本時，通常會得到更好的結果。
實踐中的思想樹推理
像迷你填字遊戲這樣的約束性謎題，其中每個填充的單字都是一個想法，不相容的分支將被放棄。
像迷你填字遊戲這樣的約束難題，其中每個填滿的單字都是一個想法，不相容的分支會被放棄。當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並隨著時間的推移追蹤生產力增益和錯誤成本時，通常會得到更好的結果。
實踐中的思想樹推理
多步驟數學或規劃問題，其中模型探索替代中間步驟並從違反約束的步驟中回溯。
多步驟數學或規劃問題，其中模型探索替代的中間步驟，並從違反約束的步驟中回溯。當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並隨著時間的推移追蹤生產力增益和錯誤成本時，通常會得到更好的結果。
風險與防護欄
優化一項基準測試可以隱藏更廣泛的系統弱點。
基礎設施和維護成本常常被低估。
隨著系統變得更加複雜，安全性和可觀察性差距可能會擴大。
實施路線圖
在實施之前定義延遲、品質和成本目標。
在實施之前定義延遲、品質和成本目標。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
在實際負載和資料條件下進行基準測試。
在實際負載和資料條件下進行基準測試。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
儀器監控錯誤、漂移和使用者影響。
儀器監控錯誤、漂移和使用者影響。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
在擴展之前準備回滾和事件回應路徑。
在擴展之前準備回滾和事件回應路徑。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。