LLM reasoners

Ber666/llm-reasoners

实验过程

实验样例24games，examples/tot_game24，在inference.py中配置使用代理和open ai的api key。

首先安装依赖

git clone https://github.com/Ber666/llm-reasoners
cd llm-reasoners
pip install -e .

然后在多个案例中，本例使用24点游戏作为实验（因为这个案例默认使用chatgpt-3.5，相比其它要下载模型参数的实验更简单）。

放置数据集文件，刚开始只需要一个样例1 2 3 4（单单一个样例，程序都要运行几分钟才能得到最终答案）

修改代码中的路径，使其指向正确文件，主要是24点数据集，以及prompt的json文件。修改后的相应代码如下：

dataset = utils.read_data(file='./data/24.csv')[0:1]
...
def main(batch_size: int = 2,
         prompts: str = './prompts/game24.json',
         disable_log: bool = False,
         model: str = 'gpt-3.5-turbo',
         temperature: float = 0.7,
         **kwargs):

然后配置运行，等了几分钟，发出几十个请求后，终于看到结果。

调试发现，程序大部分时间在beam_search.py的for循环内执行，从代码阅读猜测，每个beam是一个搜索路径，程序不断在规划、探索每个搜索路径，尝试找到正确的24点计算公式。

拓展阅读

发现有其它关于TOT的仓库，且都有3K start，相比当前仓库的300 star更多。

• https://github.com/princeton-nlp/tree-of-thought-llm
• https://github.com/kyegomez/tree-of-thoughts
• https://www.youtube.com/watch?v=ut5kp56wW_4 YK解读Tree of thoughts