姚期智院士领衔，推出大模型新推理框架，CoT“王冠”戴不住了。
提出思维图（DiagramofThought），让大模型思考更像人类。
团队更是为这种推理过程提供了数学基础，通过拓扑斯理论（Topos Theory）正式化（formalize）DoT，确保其逻辑一致性和合理性。
相比CoT将推理过程表示为线性序列，DoT更能捕捉人类推理的复杂性。
相比引入分支结构ToT和GoT，DoT不需要依赖外部控制机制或多个模型协作，训练部署更简单。
秘诀就在于，DoT将LLM中的迭代推理建模为在单一模型内构建有向无环图（DAG）。
DAG由代表命题、批评、精炼和验证的节点组成，边表示它们之间的逻辑关系或依赖关系，边都有方向，不存在任何循环路径。
这种无环的特性确保推理过程不受循环依赖的影响，能更真实反映合理的逻辑推导。
9.11和9.8哪个大、strawberry中有几个“r”等问题在DoT的帮助下全都迎刃而解了。
要知道，大模型最新“顶流”OpenAI o1目前被训练得原生具备生成CoT的能力，现在更强的DoT来了，是不是也可以通过强化学习内化到模型里，如此一来……
这项研究提出后得到了不小的关注。
网友纷纷表示这是一种正确的路径。
具体来看看DoT长啥样。
大模型复杂推理新框架
如前所述，DoT将逻辑推理过程建模为在单个LLM内构建有向无环图（DAG）。
其框架内部管理三个关键角色:
提议者:生成命题或推理步骤，添加新节点。
批评者:评估命题，识别错误、不一致或逻辑谬误，并添加批评节点。
总结者:将经过验证的命题综合成一个连贯的思维链，有效地执行DAG的拓扑排序（topological sort）以产出最终的推理输出。
这三个角色通过使用特殊token，如<proposer>、<critic>、<summarizer>，在模型的输出中被明确定义。LLM在生成过程中在这些角色之间无缝切换，利用其自回归能力根据上下文预测下一个token。
推理过程始于提议者引入一个命题，向DAG添加一个节点。
然后，由评论者评估验证或提供批评。如果提供了批评，将添加一个新节点，并在该命题和批评之间建立一个边。
基于批评，提议者生成一个精炼改进过的命题，表示为DAG中的一个新节点。
这一过程重复进行，命题不断被精炼直到得到验证。
一旦建立了足够有效的命题，总结者就会综合这些推理，对DAG进行拓扑排序以产生一个连贯的思维链。
通过让模型接触正确和错误的推理，DoT允许LLM从错误中学习，随着时间的推移不断精炼其推理，这也更像人类解决问题的方式。
这种方法不仅捕捉了推理的非线性和迭代特性，还通过自然语言批评提供了比二元信号更丰富的反馈。
DoT的训练涉及使用格式化为DoT结构的训练样例，包括角色特定token和DAG表示。在推理过程中，模型基于上下文线索和角色特定token生成命题、批评和总结。
这种方法简化了部署，消除了对多LLM协作或外部控制机制的需求，同时与标准LLM训练范式保持一致，便于集成到现有工作流程中。
作者还为DoT框架提供了严格的数学基础，利用Topos Theory对推理过程进行了形式化描述。
在这个框架中，命题被建模为拓扑中终端对象的子对象，逻辑关系和推理步骤表示为态射，批评和改进过程分别对应到子对象分类器的态射和命题间的态射。
通过引入PreNet范畴，他们还成功捕捉了推理过程的动态和并发特性。
这种数学基础不仅确保了推理过程的逻辑一致性和完备性，还为设计下一代专门用于推理的AI模型提供了概念框架。
清华叉院姚期智、袁洋领衔
这篇论文由清华交叉信息研究院姚期智、袁洋领衔，论文第一作者为张伊凡。
张伊凡
张伊凡2021年本科毕业于于北京大学元培学院，现为清华大学交叉信息学院博士研究生，师从袁洋助理教授。
他的主要研究方向为基础模型（大语言模型）的理论和算法、自监督学习、可信人工智能。
袁洋
袁洋是清华大学交叉信息学院助理教授，博士生导师。
2012年毕业于北京大学计算机系;2018年获美国康奈尔大学计算机博士学位;2018-2019年前往麻省理工学院大数据科学学院做博士后。
他的主要研究方向是智能医疗、AI可解释性、AI大系统，在非凸优化理论、神经网络优化理论、机制设计等领域有颇多研究成果。
姚期智
姚期智是中国科学院院士、清华大学交叉信息研究院院长;同时也是“图灵奖”创立以来首位获奖的亚裔学者、迄今为止获此殊荣的唯一华人计算机科学家。
姚期智教授2004年从普林斯顿辞去终身教职回到清华任教;2005年为清华本科生创立了计算机科学实验班“姚班”;2011年创建“清华量子信息中心”与“交叉信息研究院”;2019年再为清华本科生创立了人工智能学堂班，简称“智班”。
如今，他领导的清华大学交叉信息研究院早已声名远播，姚班、智班都隶属交叉信息院。
姚期智教授研究方向有算法、密码学、量子计算等，是这方面的国际先驱和权威。
One More Thing
一年前的差不多同一时间姚期智院士领衔提出了累积推理（Cumulative Reasoning，CR）的方法。
DoT是对CR的进一步深化。
当时CR协调了一个涉及不同专业化大语言模型的迭代过程，由不同模型承担了提议者、验证者和报告者角色。
而DoT直接在单一模型内构建有向无环图，不依赖于外部控制机制或多个模型，训练和部署更简单。
且在DoT中，模型生成的批评反馈是自然语言形式的，而不是像CR那样只给出二值信号。这使得模型可以接收到关于错误的详细解释，有助于更有效地改进命题。
这次DoT还有了强有力的数学基础，阐明了DoT推理过程与范畴逻辑的关系，从理论上确保了推理的一致性和可靠性。
论文链接:https://arxiv.org/abs/2409.10038
参考链接:
[1]https://x.com/omarsar0/status/1835882277563179512
[2]https://hub.baai.ac.cn/users/16897
[3]https://hub.baai.ac.cn/users/19790
—完—
总结
**文章总结：清华团队推出大模型新推理框架“思维图”（DoT），挑战CoT地位**姚期智院士领衔的清华交叉信息研究院团队提出了大模型推理的新框架——思维图（Diagram of Thought, DoT），旨在使大模型的思考过程更贴近人类。不同于传统的链式推理（CoT），DoT通过构建有向无环图（DAG）来表示推理过程，更好地捕捉人类推理的复杂性和迭代性。该框架内部由提议者、批评者和总结者三个关键角色组成，每个角色通过特殊token在模型中无缝切换，共同完成推理任务。
**核心亮点包括**：
- **逻辑性强**：基于拓扑斯理论（Topos Theory）形式化DoT，确保推理过程的逻辑一致性和合理性。
- **灵活性高**：DAG中的节点代表命题、批评等，边表达逻辑关系，避免循环路径，真实反映合理逻辑推导。
- **简化训练**：与多个LLM协作或依赖外部控制机制相比，DoT在单一模型内实现，训练和部署更为简单。
- **详细反馈**：自然语言形式的批评反馈提供了比二元信号更丰富的信息，有助于模型优化。
- **数学基础完善**：使用Topos Theory为DoT提供了严格的数学理论基础。
**应用表现**：
DoT已成功解决简单逻辑问题，如比较数值大小和字符计数等，显示出初步成效。此外，该框架有望通过强化学习进一步优化，从而内化为大模型的自然能力。
**研究团队：**
该研究的领军人物包括姚期智院士、袁洋助理教授及博士研究生张伊凡。姚期智作为知名计算机科学家和图灵奖得主，一直致力于算法、密码学等领域的研究，为该项目提供了强有力的学术支持。
**未来展望：**
DoT作为对累积推理（CR）的深化研究，具有广阔的应用前景和改进空间。随着技术的不断成熟，DoT有望推动大模型在复杂推理任务中的表现迈上新台阶。