M5-068M5: NLP 与大语言模型Prompting 与推理增强Medium
⚡闪卡盲测➔掌握度:

解释 Tree-of-Thought 与 ReAct 的差异。

🎯 深度面试自测闭环(先口述或草拟,再核对解析)
免登录记录进度:核心结论回忆 → 避坑清单自查 → 标记掌握或加入错题队列。
Step 1 · 尝试用 1–2 句话回答这道题的核心结论与适用边界
Step 2 · 勾选已覆盖的陷阱与追问思考
下一题: M5-069 →
📐 核心数学机理公式
ToT: search over thought states;ReAct: (thought→action→observation)∗\text{ToT}:\ \text{search over thought states};\qquad \text{ReAct}:\ (\text{thought}\to\text{action}\to\text{observation})^*
⚡ 一句话直击要害答案
ToT 在推理空间做树搜索(探索+回溯,无外部动作);ReAct 交替推理与外部工具调用(有外部动作与观察)。

📌 核心要点提炼

  • •
    ToT:把推理组织为树,用搜索(BFS/DFS/beam)+ 评估器选分支
  • •
    ReAct:推理与外部动作(工具/检索)交替,用观察更新
  • •
    ToT 是'内部探索',ReAct 是'外部交互'

📐 数学机理与严密推导

数学机理:Tree-of-Thought(ToT,Yao 等 2023)——把推理过程组织为树结构:每个节点是一个'思维状态'(部分推理),从节点可生成多个候选下一步(分支);用评估器(模型自评或投票)给各分支打分,再用搜索算法(BFS/DFS/beam search)探索,必要时回溯(放弃差的分支)。特点:(a) 内部探索(在语言空间搜索,不涉及外部世界);(b) 支持前瞻与回溯(可放弃错误路径);(c) 适用于需要'试错与规划'的任务(如 24 点游戏、创意写作、复杂规划)。代价:需要多次模型调用(每个节点一次生成 + 一次评估),成本高。ReAct(Yao 等 2022)——交替进行推理(thought) 与动作(action):模型先'思考'(我该做什么),然后调用外部工具(搜索、计算器、API),得到观察(observation),再基于观察继续思考……循环直到完成。特点:(a) 外部交互(与真实世界/工具交互);(b) 用观察修正推理(解决'模型不知道的事实');(c) 是 Agent 的基础范式。核心差异——(a) 作用域:ToT 在内部探索(不改外部状态);ReAct 与外部交互(改外部状态、获取新信息);(b) 解决的问题:ToT 解决'推理路径的选择与回溯';ReAct 解决'信息不足与动作执行';(c) 成本结构:ToT 的成本在'搜索宽度×深度';ReAct 的成本在'工具调用的轮数'。能否结合——可以:在 ReAct 的每个'思考'步骤内部用 ToT 做规划,或在 ToT 的每个节点用工具获取信息(如'搜索+推理'交替);实践中'规划 + 工具 + 回溯'的组合是 Agent 的高级形态。其他相关——(a) Self-Consistency(并行采样 + 投票,无搜索);(b) LATS(Language Agent Tree Search,把 ToT 的搜索与 ReAct 的动作结合 + 蒙特卡洛树搜索);(c) Reflexion(用失败经验反思并重试)。

🏭 深度剖析与工业落地权衡

深度剖析与工程权衡:① '内部探索 vs 外部交互'是核心区分——面试中一句话点出即可;进一步说明'ToT 不能获取新信息、ReAct 能'会更完整。② ToT 的成本与适用性——ToT 的成本 ∝ 搜索宽度 × 深度 × 评估次数,非常昂贵;故只适合'需要规划与试错'且'值得多花算力'的任务(竞赛题、复杂规划);对简单问答是浪费。③ ReAct 的关键是'工具质量'——ReAct 的效果高度依赖 (a) 工具的设计(接口清晰、返回有用)、(b) 模型调用工具的能力(function calling 的准确率);故 Agent 工程的重点在'工具生态'而非 prompt。④ '评估器'是 ToT 的瓶颈——ToT 需要评估'部分推理状态'的好坏,这很难(比评估最终答案难);故常用'模型自评'(不可靠)或'投票'(需多次生成)。⑤ 与'推理模型'的关系——现代推理模型(经 RLVR 训练)内化了部分'回溯与自我验证'能力(长 CoT 中的'等一下,我错了'),故对 ToT 的显式搜索依赖降低;但对'需要外部信息'的任务,ReAct 仍必需。⑥ 面试要点——被问'ToT 与 ReAct 的差异',应给出'内部探索(搜索+回溯)vs 外部交互(动作+观察)'与'解决的问题不同(推理路径 vs 信息获取)',并说明'可结合(规划 + 工具)';能提到 LATS/Reflexion 是深度理解的标志。
⚠️ 常见面试陷阱与高频失分点
  • ✕
    把 ToT 与 ReAct 混为一谈(内部探索 vs 外部交互)
  • ✕
    在简单任务上用 ToT(成本浪费)
🎯 面试官连环追问与延伸考察
  • ?
    ToT 的评估器怎么来?
  • ?
    两者能否结合?
⚡
想检验本题的肌肉记忆?进入 3 阶闪卡主动回忆盲测
隐藏答案遮罩,自测:审题锚点 ➔ 数理公式机理 ➔ 工业标杆代码与连环追问。3 分钟攻破认知盲区!
🎯 立即在闪卡中盲测此题➔
📚

关联知识库专题与交互式导图

← 上一题M5-067: 解释 Self-Consistency 与多数投票。📋 返回题库下一题 →M5-069: 解释 few-shot 示例的选择与排序影响。