شهدت نماذج اللغة الكبيرة (LLMs) مؤخرًا تحولًا كبيرًا في كيفية معالجة المعلومات والتفكير من خلالها. إذ تقدم شجرة الأفكار (Tree-of-Thoughts) إطارًا ثوريًا يتيح لهذه النماذج البحث في فضاءات التفكير الوسيطة لتعزيز قدرتها على اتخاذ القرارات. وبفضل أسلوبها المعتمد على البحث الهيكلي، توفر هذا الإطار آلية تسمح للنماذج ليس فقط بالتفاعل مع البيانات، بل أيضًا بالتفكير بعمق واستكشاف عدة مسارات متوازية.

فكرة شجرة الأفكار تقوم على إنشاء فضاء بحث على مراحل التفكير الوسيطة، مما يساعد نماذج اللغة على استكشاف خيارات متعددة، والنظر للأمام، والعودة للخلف عند الحاجة. ولكن، لا يزال البحث الحالي في هذا المجال مقسومًا بشكل متقطع عبر مجتمعات معالجة اللغة الطبيعية والتخطيط الآلي، مما يجعل بعض المصطلحات وتعريفاتها غير متسقة.

لهذا السبب، قام الباحثون بجمع هذا المشهد المعقد من خلال تصنيف موحد يعتمد على المصطلحات الكلاسيكية لأساليب البحث. حيث تم ربط قدرات التفكير في LLMs بالمكونات الكلاسيكية للبحث، مثل تمثيل الحالة (معالجة الأفكار الدقيقة)، وتوليد الخلفاء (المشغلين) وتقييم المعيار (التقييم الذاتي للتقدم).

المقالة تتناول تحليل الأعمال الحالية في سياق هذا التصنيف، وتحدد أنماط التصميم الناشئة، مثل البحث المنهجي (أفضل بحث أولاً) عند التعامل مع المهام السطحية، واستراتيجيات غنية بالنظر للأمام (DFS، MCTS) للأغراض المعقدة متعددة الخطوات.

في ختام الدراسة، تم تسليط الضوء على التحديات الرياضية المفتوحة والفرص المتعلقة بدمج أساليب البحث الكلاسيكية مع التفكير في LLMs، مما يجعل من الضروري على مجتمع البحث التفاعل مع هذا المجال المتطور.