微软推出XOT方法，加强AI推理能力，解决复杂问题并扩展语言模型

近日，微软推出了一种名为XOT的新型人工智能方法。该方法由微软与佐治亚理工学院、华东师范大学合作开发，整合了强化学习和蒙特卡洛树搜索能力。据微软研究团队表示，XOT方法可以让语言模型扩展到不熟悉的问题上。并在Game of 24、8-Puzzle和Pocket Cube等严苛测试中展现出明显优势。

XOT框架的关键步骤包括：在预训练阶段，MCTS模块在特定任务上进行预训练。以学习有关有效思维搜索的领域知识。策略和价值网络指导搜索过程。

在推理过程中，预训练的MCTS模块使用策略网络来探索LLM的思想轨迹。

随后，LLM审查MCTS的思想并识别任何错误，然后进行额外的MCTS模拟以生成修改后的想法。

最后，将修改后的想法提供给LLM作为解决问题的最终提示。这种方法在复杂决策环境中，进一步提高解决问题的有效性。尽管XOT并未达到100%的可靠性，但其在提升语言模型推理能力方面的表现令人期待。

最后，随着人工智能技术的不断发展，我们期待看到更多创新的方法出现，以推动人工智能领域的发展。微软此次推出的XOT方法，无疑为语言模型和其他类型的AI系统带来了新的可能性。