详细内容或原文请订阅后点击阅览
思想树提示：教LLMS慢慢思考
用增强推理的邮政思想树促使人们进行扫雷者：教LLMS慢慢地出现在数据科学方面。
来源:走向数据科学“缓慢的思考（系统2）是艰苦，频繁，逻辑，计算，有意识的。” - 丹尼尔·卡尼曼（Daniel Kahneman
“缓慢的思考（系统2）是艰苦的，频繁的，逻辑，计算，有意识的。”
- 丹尼尔·卡尼曼（Daniel Kahneman），思考，快速而慢
思考，快速而慢大型语言模型（LLM）（例如Chatgpt）通常表现为2002年诺贝尔经济科学纪念奖的丹尼尔·卡尼曼（Daniel Kahneman）将其定义为系统1：它是快速，自信且几乎轻松的。您是对的：还有一个系统2，一种较慢，更努力的思维方式。
研究人员多年来一直在开发通过更好的提示策略将系统2式思维带入LLM的方法。经过思考树（TOT）提示是最出色的技术之一，它允许该模型遵循多个推理路径，从而导致潜在的更好的决策。
在这篇博客文章中，我将进行一个案例研究，其中一个由小便的LLM代理商扮演经典的游戏扫雷器 - 不是通过猜测，而是通过推理。就像你一样。
cot和tot
我们可能会从想法链（COT）提示开始我们的故事 - 一种指导LLMS逐步推理的技术。查看以下示例：
思想链（COT）提示问：我在超市买了10苹果。然后，我给邻居给了2个苹果，另外2个给了我的猪。现在对我来说没有足够的苹果！然后我从杂货店买了5种苹果，但有1个烂了。现在有几个苹果？a：您曾经有10个苹果。您将2个苹果给邻居，并给猪2个苹果。现在您有6个苹果。然后，您购买了另外5种苹果，所以您有11个苹果。最后，您吃了1个苹果，因此您最终还有10个苹果。
Q： a： 您可以看到，LLM指导思考逐步思考，模拟了更好的推理。 思想树（TOT）提示在COT上展开。 As the name suggests, It organizes reasoning like a tree where each node is a potential “thought,” and branches are possible paths.它不遵循像COT这样的线性过程。 分支1：移动8人 Q：a：
您可以看到，LLM指导思考逐步思考，模拟了更好的推理。
思想树（TOT）提示在COT上展开。 As the name suggests, It organizes reasoning like a tree where each node is a potential “thought,” and branches are possible paths.它不遵循像COT这样的线性过程。分支1：移动8人