2023-11-16 15:31:30 作者:姚立伟
微软近日与佐治亚理工学院和华东师范大学合作,开发了一种名为XOT的人工智能方法。该方法整合了强化学习和蒙特卡洛树搜索能力,并在多种测试中展现出明显优势。
XOT的关键步骤包括:在预训练阶段,MCTS模块会进行特定任务的学习,以获取有关有效思维搜索的领域知识。同时,策略和价值网络指导着搜索过程。
在推理过程中,预训练的MCTS模块使用策略网络来探索LLM(语言模型)的思想轨迹。随后,LLM会审查MCTS的思想并识别任何错误,并进行额外的MCTS模拟以生成修改后的想法。
最后,修改后的想法将提供给LLM作为解决问题的最终提示。这种方法在复杂决策环境中具有更高的有效性和准确性。尽管XOT尚未达到100%的可靠性,但其在提升语言模型推理能力方面的表现令人期待。
随着人工智能技术不断发展,我们期待看到更多创新的方法出现,以推动人工智能领域的发展。微软此次推出的XOT方法为语言模型和其他类型的AI系统带来了新的可能性。