11 月 15 日消息，微軟近日推出了名為“Everything of Thought”（XOT）的方法，靈感來自谷歌 DeepMind 的 AlphaZero，利用緊湊的神經網絡，來增強 AI 模型推理能力。

微軟和佐治亞理工學院、華東師范大學合作開發了該算法，整合了強化學習（reinforcement learning）和蒙特卡洛樹搜索 （MCTS） 能力，在復雜決策環境中，進一步提高解決問題的有效性。

IT之家注：微軟研究團隊表示 XOT 方法可以讓語言模型擴展到不熟悉的問題上，在 Game of 24、8-Puzzle 和 Pocket Cube 嚴苛測試中提升明顯。結果表明，XOT 明顯優于其他方法，甚至解決了其他方法失敗的問題。但是，XOT 并沒有達到 100% 的可靠性。

XOT 框架包括以下關鍵步驟:

• 預訓練階段：MCTS 模塊在特定任務上進行預訓練，以學習有關有效思維搜索的領域知識。輕量級策略和價值網絡指導搜索。思想搜索: 在推理過程中，預訓練的 MCTS 模塊使用策略 / 價值網絡來有效地探索和生成 LLM 的思想軌跡。
• 思想修正：LLM 審查 MCTS 的思想并識別任何錯誤。修正的想法是通過額外的 MCTS 模擬產生的。
• LLM 推理: 將修改后的想法提供給 LLM 解決問題的最終提示。

IT之家在此附上論文 [PDF] 地址，感興趣的用戶可以深入閱讀。