Dual Engines of Thoughts: A Depth-Breadth Integration Framework for Open-Ended Analysis

要約

包括的なオープンエンド推論のための分析フレームワークである思考のデュアルエンジン（Deot）を提案します。
従来の推論フレームワークは主に「ベストアンサー」または単一回答の問題の「正解」を見つけることに焦点を当てていますが、Deotは「オープンエンドの質問」のために特別に設計されており、より広範かつより深い分析的探索の両方を可能にします。
フレームワークは、ユーザークエリを洗練するためのベースプロンプター、タスク分解、実行、検証を調整するソルバーエージェント、および幅エンジン（多様な衝撃係数を探索するため）と深さエンジン（深い調査を実行する）で構成されるデュアルエンジンシステムの3つの重要なコンポーネントに集中しています。
この統合設計により、DeoTは幅広いカバレッジと詳細な分析のバランスをとることができ、高度にカスタマイズ可能であるため、ユーザーは特定の要件に基づいて分析パラメーターとツール構成を調整できます。
実験結果は、DEOTが複雑で多面的な質問に対処し、既存の推論モデルと比較して77-86％の合計勝利を達成することに優れていることを示しており、実際のアプリケーションでの有効性を強調しています。

要約(オリジナル)

We propose the Dual Engines of Thoughts (DEoT), an analytical framework for comprehensive open-ended reasoning. While traditional reasoning frameworks primarily focus on finding ‘the best answer’ or ‘the correct answer’ for single-answer problems, DEoT is specifically designed for ‘open-ended questions,’ enabling both broader and deeper analytical exploration. The framework centers on three key components: a Base Prompter for refining user queries, a Solver Agent that orchestrates task decomposition, execution, and validation, and a Dual-Engine System consisting of a Breadth Engine (to explore diverse impact factors) and a Depth Engine (to perform deep investigations). This integrated design allows DEoT to balance wide-ranging coverage with in-depth analysis, and it is highly customizable, enabling users to adjust analytical parameters and tool configurations based on specific requirements. Experimental results show that DEoT excels in addressing complex, multi-faceted questions, achieving a total win rate of 77-86% compared to existing reasoning models, thus highlighting its effectiveness in real-world applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google