11 月 15 日消息，微软近日推出了名为“Everything of Thought”（XOT）的方法，灵感来自谷歌 DeepMind 的 AlphaZero，利用紧凑的神经网络，来增强 AI 模型推理能力。
微软和佐治亚理工学院、华东师范大学合作开发了该算法，整合了强化学习（reinforcement learning）和蒙特卡洛树搜索 （MCTS） 能力，在复杂决策环境中，进一步提高解决问题的有效性。
本站注意：微软研究团队表示，XOT方法可以使语言模型在不熟悉的问题上得到扩展，在Game of 24、8-Puzzle和Pocket Cube的严格测试中有明显的提升。结果显示，XOT明显优于其他方法，甚至解决了其他方法失败的问题。然而，XOT并没有达到100%的可靠性
XOT 框架包括以下关键步骤:
- 预训练阶段：MCTS 模块在特定任务上进行预训练，以学习有关有效思维搜索的领域知识。轻量级策略和价值网络指导搜索。思想搜索: 在推理过程中，预训练的 MCTS 模块使用策略 / 价值网络来有效地探索和生成 LLM 的思想轨迹。
- 思想修正：LLM 审查 MCTS 的思想并识别任何错误。修正的想法是通过额外的 MCTS 模拟产生的。
- LLM 推理: 将修改后的想法提供给 LLM 解决问题的最终提示。
本站在此附上论文 [PDF] 地址，感兴趣的用户可以深入阅读。
本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。