主要观点总结
姚期智院士团队提出了大模型的新推理框架——思维图（Diagram of Thought，DoT），以改进现有的推理技术。DoT通过将推理过程建模为单一模型内的有向无环图（DAG），实现了更真实的逻辑推导，并简化了训练部署。这项研究得到了网友的关注和支持。
关键观点总结
关键观点1: DoT的提出背景及重要性
随着大模型在AI领域的广泛应用，姚期智院士团队提出了一种新的推理框架DoT，以解决传统推理技术面临的挑战。DoT能够更好地捕捉人类推理的复杂性，并且不需要依赖外部控制机制或多个模型协作，训练和部署更简单。
关键观点2: DoT的主要特点
DoT将逻辑推理过程建模为单一模型内的有向无环图（DAG），通过将命题、批评、精炼和验证的节点以及它们之间的逻辑关系表示为边来执行推理。这种无环的特性确保了推理过程不受循环依赖的影响。
关键观点3: DoT的应用实例
通过解决“9.11和9.8哪个大”、“strawberry中有几个‘r’”等问题，展示了DoT在复杂推理任务中的有效性。此外，DoT还可以帮助大模型像人类一样从错误中学习，并随着时间的推移不断精炼其推理。
关键观点4: DoT的理论基础
姚期智团队为DoT提供了严格的数学基础，利用Topos Theory对推理过程进行形式化描述，确保逻辑一致性和合理性。此外，该团队还成功捕捉了推理过程的动态和并发特性。
关键观点5: DoT与其他技术的比较
与累积推理（CR）相比，DoT直接在单一模型内构建有向无环图，不依赖于外部控制机制或多个模型。此外，DoT中的模型生成的批评反馈是自然语言形式的，有助于更有效地改进命题。
文章预览
西风 发自 凹非寺 量子位 | 公众号 QbitAI 姚期智院士领衔，推出大模型新推理框架，CoT“王冠”戴不住了。 提出 思维图 （ D iagram o f T hought） ，让大模型思考更像人类。 团队更是为这种推理过程提供了 数学基础 ，通过拓扑斯理论 （Topos Theory） 正式化 （formalize） DoT，确保其逻辑一致性和合理性。 相比CoT将推理过程表示为线性序列，DoT更能捕捉人类推理的复杂性。 相比引入分支结构ToT和GoT，DoT不需要依赖外部控制机制或多个模型协作，训练部署更简单。 秘诀就在于，DoT将LLM中的迭代推理建模为在 单一模型内 构建有向无环图 （DAG） 。 DAG由代表命题、批评、精炼和验证的节点组成，边表示它们之间的逻辑关系或依赖关系，边都有方向， 不存在任何循环路径 。 这种无环的特性确保推理过程不受循环依赖的影响，能更真实反映合理的逻辑推导。
………………………………
