姚期智院士領(lǐng)銜，推出大模型新推理框架，CoT“王冠”戴不住了。

提出思維圖（Diagram of Thought），讓大模型思考更像人類。

團(tuán)隊(duì)更是為這種推理過程提供了數(shù)學(xué)基礎(chǔ)，通過拓?fù)渌估碚?span>（Topos Theory）正式化（formalize）DoT，確保其邏輯一致性和合理性。

相比CoT將推理過程表示為線性序列，DoT更能捕捉人類推理的復(fù)雜性。

相比引入分支結(jié)構(gòu)ToT和GoT，DoT不需要依賴外部控制機(jī)制或多個(gè)模型協(xié)作，訓(xùn)練部署更簡單。

秘訣就在于，DoT將LLM中的迭代推理建模為在單一模型內(nèi)構(gòu)建有向無環(huán)圖（DAG）。

DAG由代表命題、批評(píng)、精煉和驗(yàn)證的節(jié)點(diǎn)組成，邊表示它們之間的邏輯關(guān)系或依賴關(guān)系，邊都有方向，不存在任何循環(huán)路徑。

這種無環(huán)的特性確保推理過程不受循環(huán)依賴的影響，能更真實(shí)反映合理的邏輯推導(dǎo)。

9.11和9.8哪個(gè)大、strawberry中有幾個(gè)“r”等問題在DoT的幫助下全都迎刃而解了。

要知道，大模型最新“頂流”O(jiān)penAI o1目前被訓(xùn)練得原生具備生成CoT的能力，現(xiàn)在更強(qiáng)的DoT來了，是不是也可以通過強(qiáng)化學(xué)習(xí)內(nèi)化到模型里，如此一來……

這項(xiàng)研究提出后得到了不小的關(guān)注。

網(wǎng)友紛紛表示這是一種正確的路徑。

碼住，碼住，碼住

具體來看看DoT長啥樣。

大模型復(fù)雜推理新框架

如前所述，DoT將邏輯推理過程建模為在單個(gè)LLM內(nèi)構(gòu)建有向無環(huán)圖（DAG）。

其框架內(nèi)部管理三個(gè)關(guān)鍵角色：

• 提議者：生成命題或推理步驟，添加新節(jié)點(diǎn)。
• 批評(píng)者：評(píng)估命題，識(shí)別錯(cuò)誤、不一致或邏輯謬誤，并添加批評(píng)節(jié)點(diǎn)。
• 總結(jié)者：將經(jīng)過驗(yàn)證的命題綜合成一個(gè)連貫的思維鏈，有效地執(zhí)行DAG的拓?fù)渑判?span style="color: #8f8f8f;">（topological sort）以產(chǎn)出最終的推理輸出。

這三個(gè)角色通過使用特殊token，如<proposer>、<critic>、<summarizer>，在模型的輸出中被明確定義。LLM在生成過程中在這些角色之間無縫切換，利用其自回歸能力根據(jù)上下文預(yù)測下一個(gè)token。

推理過程始于提議者引入一個(gè)命題，向DAG添加一個(gè)節(jié)點(diǎn)。

然后，由評(píng)論者評(píng)估驗(yàn)證或提供批評(píng)。如果提供了批評(píng)，將添加一個(gè)新節(jié)點(diǎn)，并在該命題和批評(píng)之間建立一個(gè)邊。

基于批評(píng)，提議者生成一個(gè)精煉改進(jìn)過的命題，表示為DAG中的一個(gè)新節(jié)點(diǎn)。

這一過程重復(fù)進(jìn)行，命題不斷被精煉直到得到驗(yàn)證。

一旦建立了足夠有效的命題，總結(jié)者就會(huì)綜合這些推理，對(duì)DAG進(jìn)行拓?fù)渑判蛞援a(chǎn)生一個(gè)連貫的思維鏈。

通過讓模型接觸正確和錯(cuò)誤的推理，DoT允許LLM從錯(cuò)誤中學(xué)習(xí)，隨著時(shí)間的推移不斷精煉其推理，這也更像人類解決問題的方式。

這種方法不僅捕捉了推理的非線性和迭代特性，還通過自然語言批評(píng)提供了比二元信號(hào)更豐富的反饋。

DoT的訓(xùn)練涉及使用格式化為DoT結(jié)構(gòu)的訓(xùn)練樣例，包括角色特定token和DAG表示。在推理過程中，模型基于上下文線索和角色特定token生成命題、批評(píng)和總結(jié)。

這種方法簡化了部署，消除了對(duì)多LLM協(xié)作或外部控制機(jī)制的需求，同時(shí)與標(biāo)準(zhǔn)LLM訓(xùn)練范式保持一致，便于集成到現(xiàn)有工作流程中。

作者還為DoT框架提供了嚴(yán)格的數(shù)學(xué)基礎(chǔ)，利用Topos Theory對(duì)推理過程進(jìn)行了形式化描述。

在這個(gè)框架中，命題被建模為拓?fù)渲薪K端對(duì)象的子對(duì)象，邏輯關(guān)系和推理步驟表示為態(tài)射，批評(píng)和改進(jìn)過程分別對(duì)應(yīng)到子對(duì)象分類器的態(tài)射和命題間的態(tài)射。

通過引入PreNet范疇，他們還成功捕捉了推理過程的動(dòng)態(tài)和并發(fā)特性。

這種數(shù)學(xué)基礎(chǔ)不僅確保了推理過程的邏輯一致性和完備性，還為設(shè)計(jì)下一代專門用于推理的AI模型提供了概念框架。

清華叉院姚期智、袁洋領(lǐng)銜

這篇論文由清華交叉信息研究院姚期智、袁洋領(lǐng)銜，論文第一作者為張伊凡。

張伊凡

張伊凡2021年本科畢業(yè)于于北京大學(xué)元培學(xué)院，現(xiàn)為清華大學(xué)交叉信息學(xué)院博士研究生，師從袁洋助理教授。

他的主要研究方向?yàn)榛A(chǔ)模型（大語言模型）的理論和算法、自監(jiān)督學(xué)習(xí)、可信人工智能。

袁洋

袁洋是清華大學(xué)交叉信息學(xué)院助理教授，博士生導(dǎo)師。

2012年畢業(yè)于北京大學(xué)計(jì)算機(jī)系；2018年獲美國康奈爾大學(xué)計(jì)算機(jī)博士學(xué)位；2018-2019年前往麻省理工學(xué)院大數(shù)據(jù)科學(xué)學(xué)院做博士后。

他的主要研究方向是智能醫(yī)療、AI可解釋性、AI大系統(tǒng)，在非凸優(yōu)化理論、神經(jīng)網(wǎng)絡(luò)優(yōu)化理論、機(jī)制設(shè)計(jì)等領(lǐng)域有頗多研究成果。

姚期智

姚期智是中國科學(xué)院院士、清華大學(xué)交叉信息研究院院長；同時(shí)也是“圖靈獎(jiǎng)”創(chuàng)立以來首位獲獎(jiǎng)的亞裔學(xué)者、迄今為止獲此殊榮的唯一華人計(jì)算機(jī)科學(xué)家。

姚期智教授2004年從普林斯頓辭去終身教職回到清華任教；2005年為清華本科生創(chuàng)立了計(jì)算機(jī)科學(xué)實(shí)驗(yàn)班“姚班”；2011年創(chuàng)建“清華量子信息中心”與“交叉信息研究院”；2019年再為清華本科生創(chuàng)立了人工智能學(xué)堂班，簡稱“智班”。

如今，他領(lǐng)導(dǎo)的清華大學(xué)交叉信息研究院早已聲名遠(yuǎn)播，姚班、智班都隸屬交叉信息院。

姚期智教授研究方向有算法、密碼學(xué)、量子計(jì)算等，是這方面的國際先驅(qū)和權(quán)威。

One More Thing

一年前的差不多同一時(shí)間姚期智院士領(lǐng)銜提出了累積推理（Cumulative Reasoning，CR）的方法。

DoT是對(duì)CR的進(jìn)一步深化。

當(dāng)時(shí)CR協(xié)調(diào)了一個(gè)涉及不同專業(yè)化大語言模型的迭代過程，由不同模型承擔(dān)了提議者、驗(yàn)證者和報(bào)告者角色。

而DoT直接在單一模型內(nèi)構(gòu)建有向無環(huán)圖，不依賴于外部控制機(jī)制或多個(gè)模型，訓(xùn)練和部署更簡單。

且在DoT中，模型生成的批評(píng)反饋是自然語言形式的，而不是像CR那樣只給出二值信號(hào)。這使得模型可以接收到關(guān)于錯(cuò)誤的詳細(xì)解釋，有助于更有效地改進(jìn)命題。

這次DoT還有了強(qiáng)有力的數(shù)學(xué)基礎(chǔ)，闡明了DoT推理過程與范疇邏輯的關(guān)系，從理論上確保了推理的一致性和可靠性。

論文鏈接：https://arxiv.org/abs/2409.10038