Prompt工程新进展：Meta发布“Tree-of-Thoughts”框架，推理能力提升23%

兄弟们，今天聊聊Prompt工程的一个硬核更新。Meta最近开源了“Tree-of-Thoughts”（ToT）框架，这可不是普通的多轮提示，而是把LLM的推理过程从线性链变成了树形搜索。简单说，就是让模型同时探索多条推理路径，再通过评估函数自动剪枝，动态选择最优分支。

具体技术细节：ToT在GSM8K数学题上准确率从76.3%飙到93.8%，比Chain-of-Thought（CoT）提升23%。实现上，它用BFS或DFS算法管理探索，每个节点是“思考步骤”，评估函数用LLM自我评分（0-10）。比如解决“24点”游戏时，ToT能并行尝试4种中间运算，而CoT只能线性推导。

实用性很强：你可以在自己的项目里用Python实现，核心代码不到100行。关键参数是“探索宽度”（建议设3-5）和“深度”（5-8）。注意，如果任务需要严格逻辑（如代码调试、事实核查），ToT效果明显；但对开放生成（如写诗），收益不大，还费token。

建议去Meta的GitHub仓库看demo，配合LangChain实现更丝滑。别光收藏，动手试试！

这个提升确实猛，GSM8K到93.8%有点离谱了🚀 不过我想问一下，ToT这种树形搜索在长文本生成时会不会卡在评估函数的自我评分上？毕竟LLM打分有时不太靠谱。