思维图谱：利用大语言模型解决复杂问题
Graph of Thoughts（思维图谱）是一种将大语言模型（LLM）的推理过程建模为有向图的新方法，超越了传统的链式思维（Chain-of-Thought）或思维树（Tree-of-Thought）范式。通过将LLM的思维表示为图中的节点，并允许它们之间进行灵活的信息流和合并操作，该方法能够更高效地解决需要复杂推理、组合优化和多重约束的难题。GitHub上的开源实现提供了完整的代码和示例，展示了在排序、集合操作和图形推理等任务上的性能提升。
背景速读
- Graph of Thoughts（思维图谱，GoT）是瑞士苏黎世联邦理工学院（ETH Zurich）研究人员提出的一个新框架，旨在突破现有大语言模型（LLM）推理方式的局限。
- 传统方法（如 Chain-of-Thought，思维链）让 LLM 按线性顺序一步步思考；Tree of Thoughts（思维树）则允许分支探索多条路径。GoT 更进一步，将推理过程建模为有向图，让模型的多个思考单元可以任意组合、合并、循环往回走，更接近人类真实的复杂推理方式。
- 该项目在 GitHub 上开源（spcl/graph-of-thoughts），提供了代码实现、基准测试及可视化工具，支持多个 LLM 后端（包括 OpenAI 和 Hugging Face 模型）。
- 关键意义：GoT 被设计用来解决需要多步聚合、对比、排序或迭代改进的复杂任务（如文档合并、排序算法、知识图谱推理），而非简单的问答。它在某些任务上显著优于 Chain-of-Thought 和 Tree-of-Thought。