- 综合排序
- 最热优先
- 最新优先
- 来自专栏机器之心
思维链？思维树？华为诺亚：现在到了思维森林时刻！
近日，华为诺亚方舟实验室的研究人员提出了一个名为思维森林 “Forest-of-Thought”（FoT）的全新大模型高阶推理框架，它通过在推理时扩展计算规模，显著提升了 LLM 的高阶推理能力。 图 1 思维森林 FoT 稀疏激活策略 在 FoT 的推理过程中，并不是所有的推理树或树中的每个节点都会被计算，而是只选择最相关的推理树或节点进行计算。 实验结果 研究人员在多个 LLM 推理基准测试中评估了 FoT 方法，包括 24 点游戏、GSM8K 和 MATH 数据集，使用了多个开源 LLM 模型，包括 Llama3-8B，Mistral-7B 表 1 24 点游戏，Llama3-8B 基模型，b 是叶子节点数量，n 是树数量 GSM8K 基准测试 研究人员在 GSM8K 数据集上评估了 FoT 在不同基模型上的性能。 结语 思维森林 Forest-of-Thought 框架的提出，为 LLM 的推理能力提升提供了一条新的路径。
22100编辑于 2025-02-03 - 来自专栏自然语言处理
检索增强生成 和思维链 结合: 如何创建检索增强思维链 (RAT)？
检索增强思维 (RAT) 是一种创新性的方法，它结合了两种关键技术：检索增强生成 (RAG) 和思维链 (CoT) 提示。大型语言模型 (LLM) 因其模仿人类写作和流畅回答问题的能力而变得流行。 思维链 (CoT)：让思考变得可见 思路链提示：帮助大型语言模型展示其工作成果 大型语言模型 (LLM) 擅长生成文本，但它们在解决需要逐步推理的复杂问题（如解决文字问题）时会遇到困难。 思路链提示使大型语言模型能够解决复杂的算术、常识和符号推理任务。图中突出显示了思路链推理过程。 少量提示会给出一些示例来帮助语言模型理解它应该做什么，而思维链提示则会从头到尾展示逐步推理。 它最适合较大的模型，而较小的模型可能会产生奇怪的思维链并且不太精确。在某些情况下，您可以使用零次思维链提示而不显示中间步骤。 RAT：知识与思维链的结合 检索增强思维 (RAT) 是一种简单但有效的提示方法，它将思路链 (CoT) 提示与检索增强生成 (RAG) 相结合，以处理长窗口推理和生成问题。
79910编辑于 2025-01-05 - 来自专栏自然语言处理
怎么构造思维链数据？思维链提示工程的五大原则
我来为您翻译这篇关于思维链提示工程的文章，采用通俗易懂的中文表达： 思维链(CoT)提示工程是生成式AI(GenAI)中一种强大的方法，它能让模型通过逐步推理来解决复杂任务。 通过构建引导模型思考过程的提示，思维链能提高输出的准确性、连贯性和可靠性。本白皮书探讨了思维链提示工程的核心设计原则，提供实用案例，并概述了在各种应用中有效实施思维链的策略。 思维链提示工程通过让AI系统模拟逐步推理来解决这一问题，从而产生更有结构性和可靠性的输出。 思维链提示工程在制造业、教育、金融和医疗保健等多个领域都有应用。 思维链提示工程的应用 1. 制造业和自动化 场景：优化生产流程。 例子：一家制造厂由于装配线上的设备瓶颈而经常出现生产延迟。使用思维链提示工程，AI的引导如下： 第1步：识别瓶颈。 实施：使用思维链提示AI逐步解释解决方案，如推导公式或解方程。 成果：通过详细和逻辑的解释增强学习体验。
1.1K20编辑于 2025-04-11 - 来自专栏张俊红
拆掉你思维的8堵墙
来源：书籍《拆掉思维的墙》 总第43篇 ▼ 所谓思维的墙就是使我们我们思维局限东西，本篇从安全感、有趣与无趣、心智模式等8个方面具体阐述了我们在思维方面的一些局限即墙。 心智模式无所谓好坏，有的时候可以帮助我们很快的解决问题，但是有的时候我们也会陷入其中使思维受到局限。
69560发布于 2018-04-11 - 来自专栏前端迷
8张JavaScript思维导图
好记性不如烂笔头，so，下面将po出8张javascript相关的思维导图。 思维导图小tips：思维导图又叫心智图，是表达发射性思维的有效的图形思维工具 ，它简单却又极其有效，是一种革命性的思维工具。 思维导图运用图文并重的技巧，把各级主题的关系用相互隶属与相关的层级图表现出来，把主题关键词与图像、颜色等建立记忆链接，思维导图充分运用左右脑的机能，利用记忆、阅读、思维的规律，协助人们在科学与艺术、逻辑与想象之间平衡发展 思维导图因此具有人类思维的强大功能。
94630发布于 2020-01-17 - 来自专栏石云升
提示词的高阶用法：思维链
我今天要给大家分享一个高阶使用技巧，这也是很多优秀的GPTs里可以看到的一种提示技巧，那就是思维链。 什么是思维链？ 思维链就是逻辑思考过程，就是一步一步把一个大问题拆解成各个小问题的过程。 而这个过程，在学术界的专业名词就叫思维链（Chain of Thought）。 在谷歌和OpenAI的一系列论文中已经验证，当你把一个问题，按照思维链的方式，一步步Prompt大型语言模型时，往往能够得到正确的答案。 而用思维链的话，我们可以发现，其实翻译也可以多个角色共同合作。我给大家看个实例，是网上很有名的宝玉老师做的翻译提示词，如下： 现在你要帮忙解释一篇专业的技术文章成简体中文给大学生阅读。
1K10编辑于 2024-04-12 - 来自专栏张俊红
数据分析的 8 种思维
好文分享第14篇 1.对比思维 在我们日常的工作和生活中，对比思维其实是随处可见的。 杜邦分析法、麦肯锡的 MECE 分析法本质上都属于细分思维。 3. 溯源思维 有时候，即使运用了对比思维和细分思维，依然分析不出来结论，怎么办？ 如果不断用溯源思维去分析，那么对数据的敏感和业务的理解也能逐步加深。 4. 相关思维 在大数据时代，核心就是相关思维，这种思维是建立在相关分析的基础上。 啤酒与尿布的故事，是一个相关分析的经典案例。 8. 归纳思维 归纳思维的方向与演绎正好相反，归纳的过程是从个别到一般。 还是以金属能导电为例。 前提：金能导电，银能导电，铜能导电，铁能导电，…… 结论：金属能导电。 总结 本文总结了数据分析的 8 种思维，分别是对比、细分、溯源、相关、假设、逆向、演绎、归纳，充分运用好这些思维，无论是工作，还是生活，相信都能够创造出更多的价值。 以上，希望能够对你有所启发。 ?
79310发布于 2019-09-25 - 来自专栏自然语言处理(NLP)论文速递
从思维链(CoT)，到思维树(ToT)，再到思维图(GoT)：用LLMs解决复杂问题！
引言 为进一步提升大型语言模型（LLM）解决复杂问题的能力，今天给大家分享的这篇文章，作者提出了思维图（GoT），其性能超过了思维链（CoT）、思维树（ToT）。 思维图（GoT）的关键思想是能够将LLM生成的信息建模为任意图，其中信息单位是顶点，边代表顶点之间的依赖关系。这种方法优点能够将任意LLM的思维组合在一起，提炼出整个思维图内容。 思想链（CoT）是一种提示方法，除了任务输入/输出之外，还包括提示中推理的中间步骤（中间“想法”）。CoT 被证明可以显着提高法LLMs解决问题的能力，而无需任何模型参数的更新。 例如，人们可以探索某个推理链，回溯并开始一个新的推理链，然后意识到前一个推理链中的某个想法可以与当前探索的想法相结合，并将它们合并成一个新的解决方案，利用优点并消除缺点。 例如，聚合可以将多个不同思想链的结果合并在一起，而细化可以递归地更新思想，直到得出最终答案。此类功能严格扩展了 CoT 和 ToT 提示 — 它可以完成这些技术可以做的所有事情，甚至更多！
4.6K40编辑于 2023-09-14 - 来自专栏华章科技
数据分析的 8 种思维
导读：数据分析，应该更加注重思维的培养，那么数据分析的思维主要有哪些呢？ 本文总结了 8 种数据分析的思维，并用一些小故事进行举例说明。 作者 / 来源：林骥（ID：linjiwx） 01 对比思维 在我们日常的工作和生活中，对比思维其实是随处可见的。 杜邦分析法、麦肯锡的 MECE 分析法本质上都属于细分思维。 03 溯源思维 有时候，即使运用了对比思维和细分思维，依然分析不出来结论，怎么办？ 如果不断用溯源思维去分析，那么对数据的敏感和业务的理解也能逐步加深。 ? 04 相关思维 在大数据时代，核心就是相关思维，这种思维是建立在相关分析的基础上。 总结 本文总结了数据分析的 8 种思维，分别是对比、细分、溯源、相关、假设、逆向、演绎、归纳，充分运用好这些思维，无论是工作，还是生活，相信都能够创造出更多的价值。 以上，希望能够对你有所启发。 ?
82332发布于 2019-09-25 - 来自专栏数据森麟
数据分析的 8 种思维
本文转载自林骥 在《数据分析的思维与工具》这篇文章中，我们提到，应该更加注重数据分析思维的培养，那么数据分析的思维主要有哪些呢？ 我总结了 8 种数据分析的思维，并用一些小故事进行举例说明。 1. 杜邦分析法、麦肯锡的 MECE 分析法本质上都属于细分思维。 3. 溯源思维 有时候，即使运用了对比思维和细分思维，依然分析不出来结论，怎么办？ 如果不断用溯源思维去分析，那么对数据的敏感和业务的理解也能逐步加深。 4. 相关思维 在大数据时代，核心就是相关思维，这种思维是建立在相关分析的基础上。 啤酒与尿布的故事，是一个相关分析的经典案例。 8. 归纳思维 归纳思维的方向与演绎正好相反，归纳的过程是从个别到一般。 还是以金属能导电为例。 前提：金能导电，银能导电，铜能导电，铁能导电，…… 结论：金属能导电。 总结 本文总结了数据分析的 8 种思维，分别是对比、细分、溯源、相关、假设、逆向、演绎、归纳，充分运用好这些思维，无论是工作，还是生活，相信都能够创造出更多的价值。 以上，希望能够对你有所启发。 ?
53511发布于 2019-09-27 动态剪枝思维链构建高效推理系统
在本教程中，我们实现了一个智能思维链剪枝框架，该框架并行生成多个推理路径，并使用共识信号和早停机制动态缩减路径。 , "a": "12"}, {"q": "If x=8, what is 3x+5?", "a": "29"}, {"q": "A jar has 30 candies. {"q": "Compute: (25 - 9) * 3", "a": "48"}, {"q": "What is the next number in the pattern: 2, 4, 8, base_acc, base_tok = [], []prun_acc, prun_tok = [], []for item in DATA: b = baseline_answer(item["q"], k=8,
8710编辑于 2026-02-17向DeepSeek学习深度思考-CoT思维链
而且它的整个CoT思维链完全是公开的，是可以给你参考和学习的。 所以说每一次和DeepSeek的沟通和交互，我都会去详细的看它实际提供的CoT思维链详细的思考过程和内容，包括我也会问他，就是你个人的思维链思考方式和模式究竟是怎么样的？ 所以说大家再去用的时候，不要简单的只是去看它输出给你的答案，更加重要的是你应该去学习他公开的思维链，从这个地方找到相关的思维方法可以学习的地方。 所以说经过我最近对的使用，我越发的感觉到和我原来用GPT最大最大的一个差异反而是它提供的公开的CoT思维链的价值，这个思维链实际反而是值得我们每个人去学习的。 包括很多时候你不清楚怎么样学习，你不清楚怎么样思考的时候，你仍然可以优先问AI我究竟应该怎么样思考，它其实是可以给出详细的思维链过程的。 好了，今天关于思维链简单的思考就跟大家分享到这里。
31600编辑于 2025-06-24- 来自专栏deepseek
推理强化模型中思维链的本质
这一切都要感谢推理强化的 CoT（思维链）。CoT 为什么这么有效，这么神奇，文理通吃，在强化中最大化了其赋能作用呢？ DeepSeek的训练如此有效： 不是教会模型更"聪明"的推理，这在文科类任务中根本就无法定义 而是优化了它构建这种低熵通道的能力 本质上是优化了信息流的路径规划 这个观点为理解CoT提供了一个新的视角，把表面上的思维链
890100编辑于 2025-02-08 - 来自专栏程序员分享
Prompt工程进阶：少样本与思维链
本篇文章将通过一个动态权限菜单的实战案例，带领我们掌握两个强大的Prompt技巧：少样本与思维链：少样本提示（Few-shot Prompting） ：给AI举例子，让它学会模仿思维链（Chain of 适用场景需要特定输出格式的任务有明确模式匹配的逻辑希望AI模仿某种风格或规范思维链：让AI“说出解题思路”什么是思维链？思维链的核心思想是：引导AI展示中间推理步骤，而不是直接给出答案。 第一步：请参考以下示例理解需求（少样本）：示例1：输入A -> 输出X示例2：输入B -> 输出Y第二步：请按照以下步骤思考（思维链）：1. 分析...2. 设计...3. 实现...4. 处理边界...第三步：生成完整的代码如何写出高质量的思维链Prompt技巧1：引导AI分步思考text 体验AI代码助手 代码解读复制代码请按以下步骤思考：1. 先分析数据结构设计2. 技巧4：要求对比不同方案text 体验AI代码助手 代码解读复制代码请对比两种权限合并策略（并集vs交集）的优缺点，然后选择最优方案结语你在实际工作中遇到过哪些适合用思维链解决的复杂问题？
19610编辑于 2026-03-18 - 来自专栏CSDN社区搬运
以思维链为线索推理隐含情感
在思想链（CoT）思想的启发，本文引入了一个三跳推理（THOR）CoT框架来模拟ISA的模拟人类推理的过程。THOR设计了一个三步提示原则，逐步诱导隐含的方面、观点，最后是情绪的极性。 Three-hop Reasoning with CoT Prompting，则是本文提出基于大模型思维链（CoT）的方法，提出的三段式提问框架。 总结 这篇文章使用大模型思维链的思路优化了隐式情感分析中，隐含观点等难以挖掘的难题，使得ISA任务能够有较大性能的提升。
29310编辑于 2024-12-02 - 来自专栏deepseek
思维链是大模型的符号神助攻
然而，2024年春节，DeepSeek发布的推理大模型R1揭示了一个令人惊叹的技术突破——思维链(Chain of Thought, CoT)的自主生成，其展现出的语言序列仿佛在模拟人类的符号逻辑。 符号逻辑的回归DeepSeek推理模型的发布引发全球关注，其强化学习框架下自主生成的思维链展现出惊人的问题解决能力与创作能力。 尽管其核心机制仍是GPT风格的自回归下一词元预测 (next token prediction, NTP)，但模型生成的中间结果——思维链，却呈现出令人惊讶的符号逻辑特征，有效模拟了人类的推理过程。 下一词元预测的GPT生成方式，使得内部的“思维过程”可以在输出端外化为符号CoT，从而利用符号推理的形态，一步步模拟人类思维过程。 然而，目前思维链生成采用自然语言，而不是形式语言。偶然也夹杂了一些数学符号，但思维链整体还是压倒性的使用英语或中文。R1论文中还提到他们的CoT连计算机代码都排斥在外。
58210编辑于 2025-03-05 - 来自专栏机器之心
思维链CoT进化成思维图GoT，比思维树更优秀的提示工程技术诞生了
思维链（CoT）便是一种用于设计 prompt 的方法，即 prompt 中除了有任务的输入和输出外，还包含推理的中间步骤（中间思维）。 在进行思考时，人类不会像 CoT 那样仅遵循一条思维链，也不是像 ToT 那样尝试多种不同途径，而是会形成一个更加复杂的思维网。 举个例子，一个人可能会先探索一条思维链，然后回溯再探索另一条，然后可能会意识到之前那条链的某个想法可以和当前链结合起来，取长补短，得到一个新的解决方案。 使用图模型，可以轻松实现聚合变换：通过添加来自建模了几条链中最后思维的顶点 v_1, ..., v_k 的传出边，使之指向组合这些链的单个思维 v^+。 图 5（排序）、6（集合交集）、7（关键词计数）、8（文档合并）展示了实验结果。 总体而言，在实验评估过的所有基准上，GoT 的输出质量都优于 ToT，并且还实现了更低的推理成本。
99730编辑于 2023-09-08 论文解读 - 潜在思维链推理的全面综述
二、研究背景大型语言模型（LLMs）通过思维链（CoT）推理方法在复杂推理任务中展现了卓越的能力，该方法鼓励模型以自然语言形式逐步进行推理。 首先，它导致了计算效率低下，因为并非所有表达思维过程的词语都包含有价值的信息。其次，人类思维往往超越语言的界限。认知的其他方面，如抽象见解、直觉跳跃或高度组合性的思维，难以完全或精确地用语言表达。 自然语言和显式推理的固有限制直接推动了向潜在思维链推理的转变。如图1所示，模型不再通过语言符号进行推理，而是在潜在空间中进行推理，提供了一种更为抽象和高效的思维过程媒介。 在本研究中，论文首次全面调查了潜在的链式思维推理。论文的主要贡献有三个方面：(1)系统分类法：论文引入了一种潜在链式思维研究的结构化分类法，将现有研究分为四个不同的类别。 在训练过程中，通过中间监督来指导推理过程，生成的推理链用于微调自回归模型，从而在超出训练序列长度的任务中提升性能。
31710编辑于 2025-12-19- 来自专栏Python项目实战
从漏洞到攻击链：一次看懂黑客的思维链路
从漏洞到攻击链：一次看懂黑客的思维链路——ByEcho_Wish，一个喜欢拆技术“心脏”的人很多同学学安全，总感觉知识太分散：SQL注入一块、RCE一块、提权一块、横向移动又是一块。 所以今天我们换个方式：不讲漏洞本身，而讲黑客的“串联思维”，也就是攻击链AttackChain。看懂这个，你就能从“漏洞学习者”升级到“体系化安全思维拥有者”。一、攻击链是什么？ 攻击者最怕的是“丢失入口”，所以持久化是攻击链里非常关键的一步。八、最终目的：窃取、加密勒索、破坏、植入后门到这一步，攻击链才真正进入“业务损害阶段”。 但攻击链给了我们一个角度：我们不需要堵住所有门，只需要让攻击链在某一步“成本过高”，黑客就会放弃。 从今天开始，把漏洞放进攻击链的上下文里看。你会发现：你不只是学安全，而是在学黑客思维的全链路逻辑。懂这个，你就能在任何场景里快速判断攻击意图，并提前布防。
28610编辑于 2025-12-02 - 来自专栏瓴犀学院
思维领先，打通产业链，SAAS助力供应链新突破！
现代企业间的竞争，实际上主要的是供应链与供应链的竞争。企业要在竞争中赢得胜利，需要整套供应链的顺利运作。 比如说：企业A为了改善供应链管理效率，降低无效成本，选择牵头搭建融合上下游企业的供应链管理平台。这种链主式的平台整合方式对于上下游的中小企业来说确实有点“搭便车”的感觉。 供应链的平等权对他们来说是一种“奢求”，业务往来永远受制于链主企业。另外，对于企业的其他供应链需求，这一平台如何满足？是否每一个龙头企业都有动力及实力来搭建这种整合平台？ SaaS版的供应链在软件供给上采用向多个用户同时租赁使用的模式;在运营方式上则由第三方运营，提供给多条供应链同时使用，形成并支持供应链群和供应链网。 SaaS实现供应链系统的升级和组合，将传统供应链系统部件更换为功能全面、灵活敏捷、伸缩自如，是可与其它系统兼容的的供应链系统。
68430编辑于 2022-03-17
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号