Le prompting par chaîne de raisonnement (2022) a montré qu'un modèle de langage produit de meilleures réponses lorsqu'il est autorisé à écrire son raisonnement intermédiaire à voix haute, et Tree-of-Thoughts (2023) a étendu cela à une recherche arborescente. Graph of Thoughts, que le groupe ETH de Hoefler a introduit en 2024, franchit l'étape suivante — laisser le modèle traiter le raisonnement comme un graphe orienté où des états intermédiaires peuvent être fusionnés, notés et explorés avec retour arrière. Le cadre arrive avec les instincts d'ingénierie système que l'on attend de quelqu'un dont l'autre métier consiste à architecturer l'apprentissage automatique sur un supercalculateur national : suivre le coût de calcul de chaque expansion de raisonnement, et pas seulement son gain de précision.

À lire lorsque
vous voulez penser le raisonnement des LLM comme un problème de recherche structurée où le calcul dépensé sur le raisonnement est un budget à allouer, et non une ressource gratuite.
Thèmes
raisonnement structuré sur les états intermédiaires des LLM (Chain → Tree → Graph of Thoughts); conception de prompts consciente du coût de calcul; ingénierie des systèmes d’apprentissage automatique à l'échelle HPC.
Travaux clés
Graph of Thoughts (2024, auteur senior); travaux plus larges sur les systèmes d’apprentissage automatique et le passage à l'échelle à ETH Zürich et CSCS; contributions côté HPC à l'infrastructure d'entraînement de modèles à grande échelle.