Prompting с цепочкой рассуждений (2022) показал, что языковая модель даёт лучшие ответы, когда ей позволяют записывать промежуточные рассуждения вслух, а Tree-of-Thoughts (2023) расширил это до ветвящегося поиска. Graph of Thoughts, представленный группой Hoefler в ETH в 2024 году, делает следующий шаг: позволяет модели трактовать рассуждение как направленный граф, где промежуточные состояния можно объединять, оценивать и отматывать назад. Фреймворк несёт в себе те инженерно-системные инстинкты, которых ждёшь от человека, чья другая рабочая роль — архитектура ML на национальном суперкомпьютере: он отслеживает вычислительную стоимость каждого расширения рассуждения, а не только прирост точности.

Стоит читать, когда
вы хотите думать о рассуждении LLM как о задаче структурированного поиска, где вычисления, потраченные на рассуждение, — это бюджет, который нужно распределять, а не бесплатный ресурс.
Темы
структурированное рассуждение по промежуточным состояниям LLM (Chain → Tree → Graph of Thoughts); prompt-дизайн для рассуждения с учётом вычислительной стоимости; инженерия ML-систем в масштабе HPC.
Ключевые работы
Graph of Thoughts (2024, старший автор); более широкая работа по ML-системам и масштабированию в ETH Zürich и CSCS; вклад со стороны HPC в инфраструктуру крупномасштабного обучения моделей.