<a href='https://arxiv.org/abs/2406.04271'><img src='https://yellow-cdn.veclightyear.com/0a4dffa0/226df961-9d5e-44f6-99af-d996e2d27bd3.svg'></a>
本仓库包含我们思维缓冲区(BoT)框架的官方实现。隶属机构:北京大学、加州大学伯克利分校、斯坦福大学
我们提出了BoT,这是一种新颖且versatile的思维增强推理方法,旨在提高大型语言模型(LLMs)的准确性、效率和稳健性。具体而言,我们提出了一个元缓冲区来存储一系列高层次的思维,称为思维模板,这些模板是从各种任务的问题解决过程中提炼出来的。对于每个问题,我们检索相关的思维模板,并根据具体的推理结构自适应地实例化它以进行高效推理。为确保可扩展性和稳定性,我们还提出了一个缓冲区管理器来动态更新元缓冲区,从而随着更多任务的解决而提升其capacity。我们在10个具有挑战性的推理密集型任务上进行了广泛实验,相比先前的最先进(SOTA)方法取得了显著的性能提升:在24点游戏上提升11%,几何形状上提升20%,一步将军上提升51%。进一步分析表明,我们的BoT具有卓越的泛化能力和稳健性,同时平均只需要多查询提示方法(如思维树/图)12%的成本。值得注意的是,我们发现我们的Llama3-8B + BoT有潜力超越Llama3-70B模型。
<table class="center"> <tr> <td width=100% style="border: none"><img src="https://yellow-cdn.veclightyear.com/0a4dffa0/990275a3-a239-495f-a303-fb847120f714.png" style="width:100%"></td> </tr> <tr> <td width="100%" style="border: none; text-align: center; word-wrap: break-word">我们的BoT概述</td> </tr> </table>任务/方法 | GPT-4 | PAL | ToT | 元提示 | BoT(我们的) |
---|---|---|---|---|---|
24点游戏 | 3.0 | 64.0 | 74.0 | 67.0 | 82.4 |
MGSM(平均) | 84.4 | 72.0 | 86.4 | 84.8 | 89.2 |
多步算术 | 84.0 | 87.4 | 88.2 | 90.0 | 99.8 |
单词排序 | 80.4 | 93.2 | 96.4 | 99.6 | 100.0 |
Python谜题 | 31.1 | 47.3 | 43.5 | 45.8 | 52.4 |
几何形状 | 52.6 | 51.2 | 56.8 | 78.2 | 93.6 |
将军一步 | 36.4 | 10.8 | 49.2 | 57.0 | 86.4 |
日期理解 | 68.4 | 76.2 | 78.6 | 79.2 | 88.2 |
企鹅 | 71.1 | 93.3 | 84.2 | 88.6 | 94.7 |
十四行诗写作 | 62.0 | 36.2 | 68.4 | 79.6 | 80.0 |
目前,我们基于三个不同的基准测试发布了BoT的演示版本:
对于每个任务,我们从我们的元缓冲库中选择一个思维模板样本。请持续关注我们完整元缓冲库的更新!
首先,设置环境:
git clone https://github.com/YangLing0818/buffer-of-thought-llm cd buffer-of-thought-llm conda create -n BoT python==3.9 pip install -r requirements.txt
我们的BoT易于使用。只需运行:
python run_benchmarks.py --task_name 'gameof24' --api_key '如果想使用GPT-4,请在此输入你的API密钥' --model_id 'GPT-4的模型ID或你本地LLM的路径'
这里,--task_name 可以是 gameof24、checkmate、wordsorting 之一。
如果你想使用GPT系列,则需要 --api_key;如果不使用,可以跳过。
--model_id 应该是GPT系列的模型ID,如 gpt-4o、gpt-4-turbo,或者如果你没有设置 --api_key,则为你本地LLM的路径。
这三个任务的数据位于 /benchmarks
目录中。
实验过程中生成的结果存储在 /test_results
目录中。
运行以下命令来验证我们BoT的测试结果:
python validate_results.py --task_name 'gameof24' --test_path '你想验证的.jsonl文件的路径'
这将打印出所选任务在相关.jsonl文件上的准确率。
@article{yang2024buffer,
title={Buffer of Thoughts: Thought-Augmented Reasoning with Large Language Models},
作者={杨凌 和 于兆晨 和 张天骏 和 曹世一 和 许民凯 和 张文涛 和 Joseph E. Gonzalez 和 崔斌},
期刊={arXiv预印本 arXiv:2406.04271},
年份={2024年}
}
AI小说写作助手,一站式润色、改写、扩写
蛙蛙写作—国内先进的AI写作平台,涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能,助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。
字节跳动发布的AI编程神器IDE
Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。
全能AI智能助手,随时解答生活与工作的多样问题
问小白,由元石科技研发的AI智能助手,快速准确地解答各种生活和工作问题,包括但不限于搜索、规划和社交互动,帮助用户在日常生活中提高效率,轻松管理个人事务。
实时语音翻译/同声传译工具
Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。
一键生成PPT和Word,让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。
深度推理能力全新升级,全面对标OpenAI o1
科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。
AI助力,做PPT更简单!
咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。
选题、配图、成文,一站式创作,让内容运营更高效
讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。
专业的AI公文写作平台,公文写作神器
AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。