buffer-of-thought-llm

buffer-of-thought-llm

思维缓冲技术提升大语言模型推理效能

Buffer of Thoughts (BoT)是一种创新的思维增强推理方法,通过元缓冲区存储思维模板并动态更新,显著提升了大语言模型的推理能力。在10项复杂推理任务中,BoT表现优异,如在Game of 24、Geometric Shapes和Checkmate-in-One等任务上分别提升11%、20%和51%。研究发现,结合BoT的Llama3-8B模型在性能上有望超越Llama3-70B模型。

Buffer of Thoughts大语言模型推理性能提升思维模板Github开源项目

思维缓冲区:大型语言模型的思维增强推理

<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

🚩 最新更新

  • 发布BoT的初始代码,支持GPT-4和Llama3-70B [2024.6.6]
  • 更新适用于较小LLM(如Llama3-8B)的代码 [2024.6.24]
  • 发布元缓冲区和缓冲区管理器
  • 将BoT扩展到更多应用场景

简介

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>

不同方法的比较

任务/方法GPT-4PALToT元提示BoT(我们的)
24点游戏3.064.074.067.082.4
MGSM(平均)84.472.086.484.889.2
多步算术84.087.488.290.099.8
单词排序80.493.296.499.6100.0
Python谜题31.147.343.545.852.4
几何形状52.651.256.878.293.6
将军一步36.410.849.257.086.4
日期理解68.476.278.679.288.2
企鹅71.193.384.288.694.7
十四行诗写作62.036.268.479.680.0

使用思维缓冲进行评估

1. 基准测试

目前,我们基于三个不同的基准测试发布了BoT的演示版本:

2. 元缓冲

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!

3. 快速开始

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

3.1. 在三个基准测试上运行

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。

3.2. 验证测试结果

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。

📖 BibTeX

@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}
}

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。

olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多