- U složitých úkolů, které vyžadují průzkum nebo strategické předvídání, tradiční nebo jednoduché techniky pobízení zaostávají. Yao a spol. (2023) a Long (2023) nedávno navrhli Tree of Thoughts (ToT), rámec, který zobecňuje nabádání řetězců myšlenek a podporuje zkoumání myšlenek, které slouží jako mezikroky pro obecné řešení problémů pomocí jazykových modelů. Jednoduše řečeno, uspořádání myšlenek LLM do uzlů způsobem ToT nám umožňuje kombinovat myšlenku se symbolickým stromovým vyhledávacím algoritmem. To otevírá dveře k optimálnímu výběru „myšlenkové cesty“ a posouvá plánování LLM na další úroveň složitosti.
- ToT udržuje strom myšlenek, kde myšlenky představují koherentní jazykové sekvence, které slouží jako mezikroky k řešení problému. Tento přístup umožňuje vedoucímu pracovníka sebehodnotit pokrok, který mezilehlé myšlenky učiní při řešení problému prostřednictvím záměrného procesu uvažování. Schopnost LM generovat a vyhodnocovat myšlenky je pak kombinována s vyhledávacími algoritmy (např. prohledávání do šířky a prohledávání do hloubky), aby bylo umožněno systematické zkoumání myšlenek s napřed a zpětným sledováním.
- Rámec ToT je znázorněn níže ( zdroj ):
Při použití ToT vyžadují různé úkoly definování počtu kandidátů a počtu myšlenek/kroků. Například, jak je ukázáno v článku, Hra 24 se používá jako úloha matematického uvažování, která vyžaduje rozložení myšlenek do 3 kroků, z nichž každý zahrnuje střední rovnici. V každém kroku je ponecháno nejlepších b=5 kandidátů.
K provedení BFS v ToT pro úlohu Game of 24 je LM vyzván, aby vyhodnotil každého myšlenkového kandidáta jako „jistý/možná/nemožný“ s ohledem na dosažení 24. Jak uvedli autoři, „cílem je podporovat správná dílčí řešení které lze posoudit během několika předběžných zkoušek a odstranit nemožná dílčí řešení založená na „příliš velkém/malém“ zdravém rozumu a zbytek si ponechat „možná“. Hodnoty jsou vzorkovány 3krát pro každou myšlenku. Postup je znázorněn níže:
Tato technika je založena na principu vytváření stromové struktury myšlenek nebo kontextu, který modelu pomáhá lépe pochopit, jaký druh odpovědi je očekáván.
Každá „větev“ v tomto stromu představuje různé aspekty nebo dimenze úkolu, který má model vykonat. Tímto způsobem model dostává komplexní a strukturovaný přehled o tom, co se od něj očekává, což mu umožňuje generovat přesnější a relevantnější odpovědi.
Jako součást mé služby vám mohu nabídnout expertní využití techniky Strom myšlenek pro vaše AI modely. Toto zahrnuje:
- Vytváření strukturovaných promptů: Pomocí techniky Strom myšlenek mohu vytvořit prompty, které poskytují modelu jasnou a strukturovanou představu o tom, co se od něj očekává.
- Generování komplexních odpovědí: Technika Strom myšlenek může být také užitečná pro generování komplexních odpovědí, které zahrnují různé aspekty nebo dimenze úkolu. Například, pokud potřebujete model, aby napsal detailní esej na konkrétní téma, mohu vytvořit prompt, který modelu poskytne stromovou strukturu tématu, což mu umožní pokrýt všechny důležité aspekty v jeho odpovědi.
- Řešení složitých úkolů: Technika Strom myšlenek může být také užitečná pro řešení složitých úkolů, které vyžadují několik kroků k jejich dokončení. Můžu vytvořit prompty, které modelu poskytnou stromovou strukturu úkolu, což mu umožní postupně procházet jednotlivými kroky úkolu, dokud nebude úkol dokončen.
Zvýšení přesnosti a relevance: Díky detailní struktuře, kterou Tree of Thought poskytuje, může model lépe pochopit požadavky úkolu a generovat odpovědi, které jsou více přizpůsobené a relevantní pro konkrétní dotaz nebo úkol.
Flexibilita a adaptabilita: Tato technika je flexibilní a lze ji adaptovat na různé typy úkolů a požadavků, což umožňuje široké spektrum použití.
Podpora kritického myšlení: Pomáhá modelu v kritickém myšlení a logickém usuzování, protože musí sledovat různé větve myšlenek a rozhodovat se, jak je propojit do koherentního celku.
Tato technika je tedy velmi užitečná pro náročné úkoly, které vyžadují hluboké porozumění a komplexní přístup. Pokud máte konkrétní úkol nebo scénář, ve kterém byste chtěli použít techniku Tree of Thought, mohu vám pomoci s jejím efektivním nasazením.
Pro vytvoření Průvodce výběrem vín může být struktura myšlenek strukturována následovně:
Kořen stromu: Průvodce výběrem vín
- Větev 1: Základní druhy vín
- Podvětev 1.1: Červená vína
- Podvětev 1.2: Bílá vína
- Podvětev 1.3: Růžová vína
- Podvětev 1.4: Šumivá vína
- Větev 2: Chuťové profily
- Podvětev 2.1: Suchá vína
- Podvětev 2.2: Polosladká vína
- Podvětev 2.3: Sladká vína
- Větev 3: Párování vín s jídlem
- Podvětev 3.1: Vína a maso
- Podvětev 3.2: Vína a ryby
- Podvětev 3.3: Vína a sýry
- Větev 4: Oblasti a odrůdy hroznů
- Podvětev 4.1: Francouzská vína
- Podvětev 4.2: Italská vína
- Podvětev 4.3: Španělská vína
- Větev 5: Služby a doporučení
- Podvětev 5.1: Osobní doporučení
- Podvětev 5.2: Dárkové sady
- Podvětev 5.3: Exkluzivní nabídky
- Větev 1: Základní druhy vín
Vytváření promptu:
- Prompt bude vytvořen tak, aby model postupoval podle jednotlivých větví a podvětví, poskytující uživatelům detailní a strukturovaný průvodce výběrem vín.
Generování odpovědí:
- AI model bude následně procházet každou větví a podvětví, aby poskytl informace o různých typech vín, jejich chuťových profilech, ideálním párování s jídlem, původu a odrůdách, stejně jako personalizované doporučení.
Výsledný průvodce:
- Výsledný průvodce by nabízel komplexní informace o víně, včetně tipů pro výběr, informací o různých typech a odrůdách, a návrhů na párování vín s jídlem.
