本文提出了一种名为思维图（GoT）的框架，该框架利用大型语言模型（LLM）生成的信息构建任意图，以表示复杂的思维链。GoT在各种任务中表现出优越性，例如在排序质量上比ToT提高62%，同时成本降低31%以上。通过其图形结构，GoT模仿人类的非线性推理过程，为LLM的推理提供了更强大的能力。
本文是LLM系列文章，针对《Graph of Thoughts: Solving Elaborate Problems with Large Language Models》的翻译。
摘要
我们介绍了思维图（GoT）：这是一个框架，它将大型语言模型（LLM）中的提示能力提升到思维链或思维树（ToT）等范式之外。GoT的关键思想和主要优势是能够将LLM生成的信息建模为任意图，其中信息单元（“LLM思想”）是顶点，边对应于这些顶点之间的依赖关系。这种方法能够将任意LLM思想组合成协同结果，提取整个思想网络的本质，或使用反馈循环增强思想。我们说明了GoT在不同任务上比现有技术具有优势，例如，与ToT相比，排序质量提高了62%，同时成本降低了31%以上。我们确保GoT可以通过新的思想转换进行扩展，从而可以用于引导新的提示方案。这项工作使LLM推理更接近人类思维或大脑机制，如复现，两者都形成了复杂的网络。
1 引言
2 背景与符号
3 GoT框架
4 系统架构和扩展性
5 用例示例
6 延迟量权衡
7 评估
8 相关工作
9 结论
提示工程是大型语言模型（LLM）研究的核
已下架不支持订阅
扫一扫
314
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
