跟着蚂蚁走，它们知道路：用 ACO-ToT 增强 LLM 推理能力

跟着蚂蚁走，它们知道路：用 ACO-ToT 增强 LLM 推理能力

利用群体智能和思维树优化解锁高级 AI 推理能力

Salvatore Raieli

                                                                作者使用 AI 生成的图片

“我发现，如果你仔细观察这个美丽的世界，总能在下面找到红蚂蚁。”——大卫·林奇

大语言模型（LLMs）展现出了极大的能力，模仿了一些通常与人类相关的技能，比如解决数学问题或写出看似富有创意的文本。这一点在多个基准测试的持续进展中得到了证明。然而，这并不意味着它们不会产生错误或计算效率低下。特别是在需要战略规划、探索或计算的应用中，这些限制尤为明显。

为了尝试解决这些模型的局限性，人们提出了一些基于认知科学原理的技术。例如，思维链（Chain-of-Thought, CoT）试图让模型推理出中间步骤，而不是直接给出答案。这种方法也成为了最近深度推理模型的基础。然而，普通的 CoT 只评估解决问题的一种方法，而人类会探索多种潜在的解决方案。因此，思维树（Tree-of-Thought, ToT）或思维图（Graph-of-Thought, GoT）等技术超越了 CoT 的线性进程，探索不同的想法。但这些方法的缺点是，它们的计算成本会随着中间步骤的增加而增长。

如何在优化过程的同时探索不同的解决路径？我们能否在不牺牲性能的情况下高效地探索不同的推理路径？

在本文中，我们探讨了这个问题，以及一些研究人员如何从蚂蚁的运动中找到解决方案。

人工智能正在改变我们的世界，塑造我们的生活和工作方式。理解它的运作方式及其影响从未如此重要。如果你想要简单、清晰地理解复杂的 AI 话题，你来对地方了。点击关注或免费订阅，以获取我最新的故事和见解。

在这篇新发表的论文中，研究者提出将蚁群优化（Ant Colony Optimization, ACO）应用到 LLMs 中，以优化推理空间。ACO 是一种受自然启发的元启发式算法，常用于解决优化问题，特别是像旅行商问题（TSP）这样的组合优化问题。它模仿了真实蚂蚁的觅食行为，蚂蚁利用信息素找到从巢穴到食物源的最短路径。

该过程可以总结为四个步骤：

1. 蚂蚁最初随机移动，在探索环境的同时留下信息素路径。

2. 当蚂蚁找到食物后，它会返回巢穴，同时在路径上加强信息素，使其他蚂蚁更倾向于选择信息素浓度较高的路径。

3. 但信息素会随时间蒸发，防止系统收敛到次优解，并促使蚂蚁继续探索。

4. 蚂蚁基于概率选择路径，概率由信息素的强度决定。信息素越强，蚂蚁选择该路径的可能性就越大。

从数学上讲，这可以表示为一个图，其中蚂蚁从节点 i 选择路径 j 的概率如下：

其中 Pij 是从 i 到 j 的路径选择概率，τij 是边 (i, j) 上信息素的强度，η 是距离的缩放系数（1/距离），N 是节点数。我们可以通过 α 来定义信息素的影响，通过 β 来控制距离的影响。

在每次迭代后，信息素水平根据以下公式更新：

其中 ρ 是蒸发率，m 是蚂蚁的数量，Δτijk 是蚂蚁 k 添加的信息素数量。

该算法鲁棒、灵活，并符合人脑的某些原理，比如赫布学习（Hebbian learning）。赫布学习是一种神经科学原理，指的是当神经元反复被激活时，它们之间的突触连接会变得更强（通常用一句话概括：“一起触发的神经元，会连接在一起”）。文章作者认为，这种原理可以与思维树（ToT）等方法结合。

“我们提出 ACO 引导的思维树（ACO-ToT），这是一种新算法，它结合了 ToT 的探索能力和 ACO 的集体智能，以发现最优的推理路径。”——来源

在这里，我们可以想象“蚂蚁”就是我们的 LLMs，它们在搜索高质量的思维（食物）。图从问题 x 开始，生成思维树 T（每个节点代表一个推理状态，每条边代表从一个思维到另一个思维的过渡）。

有多个 LLMs（类似于 ACO 中的多个蚂蚁）在我们的图中穿梭。这里，这些 LLMs 是经过不同推理能力微调的模型，提供不同的专业知识。在每个时间步 t，我们的蚂蚁（LLM）从一个思维跳到另一个思维，并释放信息素：

如何评估是否找到了食物？

每条路径 P 是一系列思维（思维链），我们评估其质量 Q(P)：

其中 C(P) 是语义一致性（通过嵌入计算两个思维的余弦相似度），L(P) 用于惩罚过长的路径（基于路径长度的负对数），M(P) 是专家模型评分（多个 LLM 的评分），w1, w2, w3 是平衡这些项的权重。

在这个阶段，∆τ k ij = Q(Pk)，信息素水平根据以下公式更新：

算法会持续迭代，直到达到最大迭代次数（T）或找到足够多的不同路径。此时，我们根据图中信息素最高的路径选出最佳路径。这个路径可以由中央 LLM πc 用于生成最终答案。显然，最好让中央 LLM 规模更大，而小型 LLMs 作为蚂蚁。

对于作者在理论层面的结论：

• ACO 只要选择合适的信息素更新规则和蒸发率，就可以收敛到最优解。若成功，模型会达到全局最优，同时避免局部最优。

• ACO 的探索与利用平衡由信息素动态决定。可以通过 α（信息素权重，影响利用）和 β（探索权重）控制。此外，蒸发率也影响平衡，高蒸发率促进探索，低蒸发率促进利用。

• ACO 的计算复杂度是多项式级别，随蚂蚁数量和问题规模增长。在 ACO-ToT 中，每只蚂蚁在 t 次迭代中探索 N 个思维，中间调用 LLM 总次数为 ANt。每只蚂蚁都是一个独立的 LLM，因此需要专门的计算资源（即便是 6 个也能并行处理）。

在实验中，作者使用 Llama-70B 训练了 5 个不同领域的专家模型作为蚂蚁，并在 GSM8K、ARC-Challenge 和 MATH 数据集上进行测试。ACO-ToT 在所有基准测试中表现优越，通常在 6-8 轮迭代内收敛（复杂问题 10-12 轮）。

ACO-ToT 是一种新颖的算法，它通过结合蚁群优化（ACO）与思维树（ToT）框架来增强 LLM 的推理能力。受赫布学习（Hebbian Learning）启发，该方法利用经过微调的 LLM “蚂蚁” 来探索推理路径，并通过信息素强化有效的路径。一个混合专家（Mixture-of-Experts）评分函数用于评估解决方案，从而优化复杂问题的求解。实验表明，ACO-ToT 优于现有方法，突出了生物启发搜索在 LLM 推理中的潜力。

这种快速收敛在特征性的性能曲线上表现出来：在前 3–4 次迭代中性能迅速提高，随后进入渐近稳定状态，这表明该方法能够高效地探索推理空间。——来源

该系统之所以高效，是因为它在第一轮迭代中就已经趋近收敛。路径长度不会过长，平均为 4 步，对于最困难的 MATH 问题，平均为 6 步。

消融实验中的其他发现：

• 性能在 5 个专家时趋于饱和，表明不需要更多的专家。

• 在所有三个任务中，最优的探索与利用平衡参数分别为 α = 1.0 和 β = 2.0。

• 这种平衡导致较大的树结构，从而提供更多的推理路径。

• 具有更多样化的专家比同质专家能得到更好的结果。

ACO-ToT 是一种新颖的算法，它通过结合蚁群优化（ACO）与思维树（ToT）框架来增强 LLM 的推理能力。受赫布学习（Hebbian Learning）启发，该方法利用经过微调的 LLM “蚂蚁” 来探索推理路径，并通过信息素强化有效的路径。一个混合专家（Mixture-of-Experts）评分函数用于评估解决方案，从而优化复杂问题的求解。实验表明，ACO-ToT 优于现有方法，突出了生物启发搜索在 LLM 推理中的潜力。

这项研究有趣之处在于，它结合了搜索算法和提示技术（ToT），并以受神经科学启发的方式完成。尽管该方法计算昂贵，但它展示了一种无需强化学习即可平衡探索与利用的方式，并表明异质专家组合优于同质专家。未来可能需要自动调整参数或测试不同搜索算法。

然而，该方法仍然成本高昂，因为需要运行多个 LLM 专家，对于某些应用而言，这可能是不可行的。此外，参数是手动选择的，未来可以实现自动化。不同的搜索算法也可以在未来进行测试，或者可以使用不同的模型作为专家。