声明：本文来自于微信公众号 量子位 | 公众号 QbitAI，作者：西风，授权站长之家转载发布。
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（DiagramofThought），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。
9.11和9.8哪个大、strawberry中有几个“r”等问题在DoT的帮助下全都迎刃而解了。
要知道，大模型最新“顶流”OpenAI o1目前被训练得原生具备生成CoT的能力，现在更强的DoT来了，是不是也可以通过强化学习内化到模型里，如此一来……
这项研究提出后得到了不小的关注。
网友纷纷表示这是一种正确的路径。
码住，码住，码住
具体来看看DoT长啥样。
大模型复杂推理新框架
如前所述，DoT将逻辑推理过程建模为在单个LLM内构建有向无环图（DAG）。
其框架内部管理三个关键角色:
提议者:生成命题或推理步骤，添加新节点。
批评者:评估命题，识别错误、不一致或逻辑谬误，并添加批评节点。
总结者:将经过验证的命题综合成一个连贯的思维链，有效地执行DAG的拓扑排序（topological sort）以产出最终的推理输出。
这三个角色通过使用特殊token
推理过程始于提议者引入一个命题，向DAG添加一个节点。
然后，由评论者评估验证或提供批评。如果提供了批评，将添加一个新节点，并在该命题和批评之间建立一个边。
基于批评，提议者生成一个精炼改进过的命题，表示为DAG中的一个新节点。
这一过程
一旦建立了足够有效的命题，总结者就会综合这些推理，对DAG进行拓扑排序以产生一个连贯的思维链。
通过让模型接触正确和错误的推理，DoT允许LLM从错误中学习，随着时间的推移不断精炼其推理，这也更像人类解决问题的方式。
这种方法不仅捕捉了推理的非线性和迭代特性，还通过自然语言批评提供了比二元信号更丰富的反馈。
DoT的训练涉及使用格式化为DoT结构的训练样例，包括角色特定token和DAG表示。在推理过程中，模型基于上下文线索和角色特定token生成命题、批评和总结。
这种方法简化了部署，消除了对多LLM协作或外部控制机制的需求，同时与标准LLM训练范式保持一致，便于集成到现有工作流程中。
作者还为DoT框架提供了严格的数学基础，利用
在这个框架中，命题被建模为拓扑中终端对象的子对象，逻辑关系和推理步骤表示为态射，批评和改进过程分别对应到子对象分类器的态射和命题间的态射。
通过引入PreNet范畴，他们还成功捕捉了推理过程的动态和并发特性。
这种数学基础不仅确保了推理过程的逻辑一致性和完备性，还为设计下一代专门用于推理的AI模型提供了概念框架。
清华叉院姚期智、袁洋领衔
这篇论文由清华交叉信息研究院姚期智、袁洋领衔，论文第一作者为张伊凡。
张伊凡
张伊凡2021年本科毕业于于北京大学元培学院，现为清华大学交叉信息学院博士研究生，师从袁洋助理教授。
他的主要研究方向为基础模型（大语言模型）的理论和算法、自监督学习、可信人工智能。
袁洋
袁洋是清华大学交叉信息学院助理教授，博士生导师。
2012年毕业于北京大学计算机系;2018年获美国康奈尔大学计算机博士学位;2018-2019年前往麻省理工学院大数据科学学院做博士后。
他的主要研究方向是智能医疗、AI可解释性、AI大系统，在非凸优化理论、神经网络优化理论、机制设计等领域有颇多研究成果。
姚期智
姚期智是中国科学院院士、清华大学交叉信息研究院院长;同时也是“图灵奖”创立以来首位获奖的亚裔学者、迄今为止获此殊荣的唯一华人计算机科学家。
姚期智教授2004年从普林斯顿辞去终身教职回到清华任教;2005年为清华本科生创立了计算机科学实验班“姚班”;2011年创建“清华量子信息中心”与“交叉信息研究院”;2019年再为清华本科生创立了人工智能学堂班，简称“智班”。
如今，他领导的清华大学交叉信息研究院早已声名远播，姚班、智班都隶属交叉信息院。
姚期智教授研究方向有算法、密码学、量子计算等，是这方面的国际先驱和权威。
One More Thing
一年前的差不多同一时间姚期智院士领衔提出了累积推理（Cumulative Reasoning，CR）的方法。
DoT是对CR的进一步深化。
当时CR协调了一个涉及不同专业化大语言模型的迭代过程，由不同模型承担了提议者、验证者和报告者角色。
而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，训练和部署更简单。
且在DoT中，模型生成的批评反馈是自然语言形式的，而不是像CR那样只给出二值信号。这使得模型可以接收到关于错误的详细解释，有助于更有效地改进命题。
这次DoT还有了强有力的数学基础，阐明了DoT推理过程与范畴逻辑的关系，从理论上确保了推理的一致性和可靠性。
论文链接:https://arxiv.org/abs/2409.10038
参考链接:
[1]https://x.com/omarsar0/status/1835882277563179512
[2]https://hub.baai.ac.cn/users/16897
[3]https://hub.baai.ac.cn/users/19790
—完—
