AI自我辩论提升思考深度：GitHub项目让小型模型展现惊人能力

GitHub 用户 PhialsBasement 发布了一个名为 Chain of Recursive Thoughts（简称 CoRT）的新方法，通过让AI模型反复与自身辩论来提高其思考能力。结果显示，这种方法效果非常好，尤其是对于小型模型，在编程任务上表现尤为出色。 CoRT 是什么？ CoRT 的核心思想是让AI模型在生成初始响应后，不断递归地怀疑自己的答案，并生成更多的替代方案，最终选择最合理的一个作为最终输出。这是一种类似于“自我反驳”的过程，AI会在多个“思考轮次”中不断优化自己的答案，直到找到最佳方案。 具体工作流程 生成初始响应：AI首先基于输入生成一个初步的答案。 决定思考轮次：AI会评估需要多少次“再思考”来达到满意的结果。 每个轮次的迭代： 生成新的替代方案。 通过内部自评机制选择更优的答案。 输出最终响应：经过多轮辩论和优化，最终选定的最佳答案会被输出。 测试结果 PhialsBasement 使用 Mistral 3.1 24B 这一相对较小的模型进行了测试。结果显示，加入 CoRT 方法后，AI的性能大幅提升，尤其是在编程任务上的表现令人震惊。原本表现平平的任务，在引入 CoRT 后，AI能够更加精确和高效地完成。 示例对比 未使用 CoRT：Mistral 3.1 24B 的初始性能一般，回答问题时容易出现错误或不完整的答案。 使用 CoRT：同样的模型在多个“思考轮次”后，明显提升了问题解答的完整性和准确性，甚至在一些复杂任务上也表现得非常出色。 技术细节 CoRT 方法的关键在于其“自我反驳”机制。这不仅使得 AI 能够从不同的角度考虑问题，还能够在多次尝试中找出最优解。这种递归思考的过程大大增强了 AI 的决策能力和应变能力。 如何试用 PhialsBasement 为感兴趣的研究人员和开发者提供了代码和使用文档，鼓励大家试用并进一步优化这项技术。你可以在 GitHub 上查看具体的操作步骤和示例代码。 开源许可 该项目采用了 MIT 许可证，这意味着任何个人或组织都可以自由地使用、修改和分发 CoRT 代码。如果有更好的改进方法，欢迎提交 pull request。 业内人士评价 业内专家对 CoRT 方法表示高度赞赏。一位来自知名高校的计算机科学家认为，这种方法为 AI 模型带来了更接近人类思维方式的递归思考能力，有望在多种应用场景中发挥重要作用。PhialsBasement 本人也是一位知名的 AI 项目开发者，此前曾参与多个开源项目的开发和维护，因此他在这个领域的贡献被广泛认可。 总的来说，CoRT 是一种新颖且有效的 AI 优化方法，通过自我辩论的方式显著提升了模型的性能，尤其适用于资源有限的小型模型。