Graph of Thoughts
PulseAugur coverage of Graph of Thoughts — every cluster mentioning Graph of Thoughts across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新的 GoT-CD 方法改进了因果发现，但突显了公平性审计的脆弱性
研究人员开发了 GoT-CD，一种利用思想图（Graph of Thoughts）推理方法的新因果发现方法。该方法并行生成多个候选图，并在联合约束下合并它们，确保发现有效的有向无环图（DAG）。虽然 GoT-CD 在 Asia、Alzheimer's 和 COVID-Respiratory 数据集等多个基准测试中表现出与 LLM 基线相比具有竞争力，但它突显了一个关键问题：仅靠结构保真度并不能保证准确的公平性审计。研究表明，当应用于发…
-
新的GRASP框架使用图推理进行学术文献综述
研究人员开发了GRASP，一个旨在改进学术论文相关工作部分生成的新框架。GRASP集成了大型语言模型和图算法，以映射引用来源之间复杂的相互关系。它利用两层图结构，包括思想图（Graph of Thoughts）和论点-反论点规划网络（Argument-Counterargument Planning Network），以不同细节级别表示论文。该系统采用Steiner树算法进行拓扑感知剪枝，以识别关键的论文间联系，旨在生成在论述角色和引…
-
Framework of Thoughts 通过动态优化增强 LLM 推理能力
研究人员推出 Framework of Thoughts (FoT)，这是一个新的基础框架，旨在增强大型语言模型 (LLM) 的动态和优化推理能力。现有的思维链 (Chain of Thought)、思维树 (Tree of Thoughts) 和思维图 (Graph of Thoughts) 等提示方案通常需要静态的、针对特定问题的结构，并且可能效率低下。FoT 旨在通过整合超参数调整、提示优化、并行执行和智能缓存等功能来解决这些问…
-
Graph of Thoughts 框架支持合并推理分支
一种名为 Graph of Thoughts (GoT) 的新推理框架已被引入，它建立在 Tree of Thoughts (ToT) 的概念之上。与 ToT 不同，ToT 将每个想法的推理限制为单个父节点，而 GoT 允许想法有多个父节点，从而能够合并不同的推理分支。这种能力对于复杂问题至关重要，因为多条推理线索可能各自捕获解决方案的一部分。GoT 使用四种操作：生成、评分、聚合/合并和精炼/循环，其中聚合步骤是允许组合部分解决方案…
-
新的TGEO框架增强了AI推理的可解释性
研究人员推出了一种名为Theorem-Grounded Execution Ontologies (TGEO)的新框架，旨在使大型语言模型的推理过程更具可解释性和可验证性。与暴露中间工件的现有方法不同，TGEO将推理建模为一个可执行的状态转换过程。该方法集成了定理族、领域本体和语义对象，以构建一个可执行的推理图，为推理过程的每一步提供显式表示。在密集定理任务上的评估表明，TGEO在创建可解释、可验证和可复现的AI推理系统方面是有效的。