Resumen: Los esquemas de estímulo como Cadena de pensamiento, Árbol de pensamientos y Gráfico de pensamientos pueden mejorar significativamente las capacidades de razonamiento de modelos de lenguaje grandes. Sin embargo, la mayoría de los esquemas existentes requieren que los usuarios definan estructuras de razonamiento estáticas y específicas del problema que carecen de adaptabilidad a tipos de problemas dinámicos o invisibles. Además, estos esquemas suelen estar suboptimizados en términos de hiperparámetros, indicaciones, tiempo de ejecución y costo de las indicaciones. Para abordar estas limitaciones, presentamos el Marco de Pensamientos (FoT), un marco básico de propósito general para construir y optimizar esquemas de razonamiento dinámico. FoT viene con funciones integradas para ajuste de hiperparámetros, optimización rápida, ejecución paralela y almacenamiento en caché inteligente, lo que desbloquea el potencial de rendimiento latente de los esquemas de razonamiento. Demostramos las capacidades de FoT implementando tres esquemas populares: Árbol de pensamientos, Gráfico de pensamientos y ProbTree, dentro de FoT. Demostramos empíricamente que FoT permite una ejecución significativamente más rápida, reduce los costos y logra mejores puntuaciones de tareas a través de la optimización. Publicamos nuestro código base para facilitar el desarrollo de futuros esquemas de razonamiento dinámicos y eficientes.
Publicado originalmente en export.arxiv.org el 18 de febrero de 2026.
Ver fuente original
