定义概述
思维树（Tree of Thoughts, ToT）把问题求解建模为树搜索：模型在每个中间步骤生成多个候选「想法」，由评估机制打分，再据此决定继续扩展、回溯或更换分支，最终选择最优路径。 齐e慧享
背景与发展
思维链提示显著改善了模型的多步推理，但其推理是线性的、无法回头，一旦中间步骤出错便难以纠正。受人类解决问题时「尝试—评估—回溯」的启发，研究者引入树或图结构的搜索框架，将语言模型与经典搜索算法（广度优先、深度优先、集束搜索）结合。 齐e慧享
核心特点
- 多候选展开：每一步产生若干备选思路而非单一延续。
- 自我评估：模型或外部规则对中间状态打分，作为搜索依据。
- 可回溯：允许放弃低分分支，回到先前节点重新探索。
- 搜索可控：通过宽度与深度限制权衡效果与开销。
典型应用
数学与逻辑谜题、需要规划的多步任务、创意写作的结构探索、代码修复中的方案比较，以及智能体在复杂环境中的路径规划。 齐e慧享
局限与争议
推理成本随分支数显著上升，延迟与费用较高；自我评估的可靠性有限，错误打分可能误导搜索；对简单任务而言收益不足以抵消开销，实践中需按任务复杂度选择是否启用。 齐e慧享