在人工智能的世界里，我们经常面临一个挑战：如何让机器像人类一样，面对复杂任务时，能够生成多种可能的解决方案，并从中选择最优的计划呢？这正是“多计划选择”（Multi-Plan Selection）要解决的问题。今天，咱们就来聊聊这个有趣的话题。

首先，想象一下，如果我们的智能Agent面对一个复杂的问题，它可能会生成多个计划。但是，这些计划可能各不相同，甚至有些可能根本不可行。这时候，多计划选择就派上用场了。它包括两个主要步骤：多计划生成和最优计划选择。

在多计划生成阶段，LLMs会尝试生成一系列可能的计划。这就像是在头脑风暴，尽可能多地提出解决方案。主流的方法会利用生成模型在解码过程中的不确定性，比如通过温度采样或top-k采样来获得多个不同的推理路径。在Tree-of-thought的研究中， 提到了2种生成planing的策略：sample、propose， sample策略与 Self-consistency策略一致，在解码过程中，LLM会采样多个plan。propose则是通过在提示中使用少量示例明确指导LLM生成各种plan。

接下来是最优计划选择阶段，这里Agent需要从多个候选计划中选择一个最好的。这个过程就像是在一堆方案中挑选出最闪亮的那一个。不同的策略会采用不同的启发式搜索算法，比如简单的多数投票策略，或者利用树结构来辅助多计划搜索。在Self-consistency中使用了一个简单的直觉，即复杂问题的解决方案很少且是唯一的。Self-consistency 应用了一种朴素的多数投票策略，将得票最多的计划视为最优选择。在Tree-of-Thought中利用树状结构支持树搜索算法，如传统的bfs和dfs。在选择要扩展的节点时，使用LLM评估多个动作并选择最优的一个。

但是，多计划选择虽然在理论上看起来很美，实际上却面临着一些挑战。首先，它会增加计算需求，尤其是对于大模型来说，计算成本可能会非常高。其次，依赖于LLM来评估计划的性能，这本身还存在不确定性，需要进一步的验证和调整。

不过，别担心，尽管存在这些挑战，多计划选择的优势也是显而易见的。它能够提供更广泛的潜在解决方案探索，帮助Agent在广阔的搜索空间中找到最佳路径。而且，随着技术的发展，我们有理由相信，这些问题都将得到解决。

本文转载自​​，作者：