华为诺亚“思维森林”挑战OpenAI，AI高阶推理爆发

引言：

在人工智能领域，大语言模型（LLM）的推理能力一直是业界关注的焦点。随着OpenAI接连发布o1和o3模型，高阶推理能力的提升已成为大模型发展的关键。然而，传统的预训练Scaling Law似乎已触及瓶颈，如何进一步挖掘大模型的潜力，成为摆在科学家面前的难题。近日，华为诺亚方舟实验室的研究人员提出了一种名为“思维森林”（Forest-of-Thought，FoT）的全新推理框架，为大模型的高阶推理能力带来了突破性的进展，或将开启新的Scaling Law。

主体：

LLM的推理困境：从思维链到思维树的局限

尽管LLM在多种语言任务中表现出色，但在解决复杂推理问题时，它们常常显得力不从心。例如，在处理数学问题时，LLM可能在分解问题的过程中忽略关键细节，或者在中间步骤中出现错误，最终导致答案错误。传统的“思维链”（Chain-of-Thought, CoT）方法虽然能够帮助LLM逐步推理，但其本质上仍然是单路径的，缺乏对多种可能性的探索和验证。而“思维树”（Tree-of-Thought, ToT）方法虽然引入了多路径探索，但当树的规模增大时，往往会遇到性能瓶颈。

思维森林：多路径探索与动态自校正

华为诺亚实验室提出的FoT框架，正是为了解决上述问题而诞生的。FoT的核心思想是构建一个由多个推理树组成的“森林”，通过多路径并行探索，更全面地覆盖问题的解空间。与传统的ToT方法不同，FoT并非简单地增加树的节点数量，而是通过增加树的数量来提高推理的多样性。

FoT框架主要包含以下几个关键策略：

稀疏激活策略： 在推理过程中，并非所有推理树或节点都会被计算，而是只选择最相关的路径进行计算。这种方法不仅提高了效率，还通过选择最相关的推理路径来提高模型的准确性。
动态自校正策略： 为了提高每个推理树给出正确答案的概率，FoT引入了动态自校正策略。对于推理树的初始结果，自校正策略会评估其正确性和有效性，并在每个推理步骤完成后分配相应的分数。一旦某个步骤的分数低于预设阈值，策略会自动触发校正机制。该机制首先回顾和分析过去的失败案例，识别低分和常见错误模式的原因，然后尝试纠正错误并优化推理方向。通过这种从历史中学习和实时校正的机制，模型不仅避免了在相同问题上重复犯错，还能更迅速、更准确地找到解决新问题的有效方法。
共识引导决策策略： 为了解决复杂的数学问题，FoT设计了共识引导专家决策（CGED）策略，以确保最终答案的高准确性和可靠性。CGED方法结合了集体智慧和专家判断，引导推理过程从基于共识的决策转向专家评估。在FoT方法中，每个独立树通过其独特的推理路径生成一个或多个可能的答案。子树会对候选答案进行投票，选出获得最多支持的答案。如果无法达成共识，数学专家将评估推理过程并选择最终答案，以确保其准确性和有效性。

实验验证：FoT显著提升推理性能

为了验证FoT框架的有效性，研究人员在多个LLM推理基准测试中进行了实验，包括24点游戏、GSM8K和MATH数据集。实验结果表明，FoT在多个开源LLM模型（包括Llama3-8B，Mistral-7B和GLM-4-9B）上均取得了显著的性能提升。

24点游戏： 当推理树的数量从2增加到4时，FoT的准确率提高了14%，显示出显著的推理性能提升。相比之下，仅增加单个树的叶子节点数量的ToT方法遇到了性能瓶颈，进一步增加叶子节点数量并未带来显著的性能提升。这表明FoT通过多棵树提供的推理路径多样性比单纯增加单个树的复杂性更有效。
GSM8K基准测试： 在GSM8K数据集上，FoT在不同基模型上的表现都呈现出类似的Scaling Law：FoT中的树数量越多，带来的准确率提升越显著。
MATH基准测试： 在MATH数据集上，FoT算法在不同复杂度级别的问题上均展现出一致的性能提升。从最简单的level1到最具挑战性的level5，FoT（n=4）的准确率比MCTSr提高了约10%。

结论与展望：

华为诺亚实验室提出的FoT框架，通过引入多路径探索、稀疏激活、动态自校正和共识引导决策等策略，显著提升了LLM的高阶推理能力。FoT的成功，不仅为大模型的发展注入了新的活力，也为人工智能的未来发展指明了新的方向。

FoT框架不仅在理论上具有创新性，而且在实际应用中也具有广泛的前景。未来，FoT有望应用于更复杂的推理任务，例如科学发现、智能决策和自动化编程等领域。我们有理由相信，随着FoT等创新技术的不断涌现，人工智能将迎来更加辉煌的未来。

参考文献：