Skip to content

Traducir la página de Tree of Thoughts al español #720

New issue

Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.

Sign up for GitHub

By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.

Already on GitHub? Sign in to your account

Open
DJCARIDE wants to merge 1 commit into
base: main
Choose a base branch
from
Open

Traducir la página de Tree of Thoughts al español #720

Changes from all commits
Commits
Show all changes
1 commit
Select commit
File filter

Filter by extension

Filter by extension
Conversations
Failed to load comments.
Loading
Jump to
Jump to file
Failed to load files.
Loading
Diff view
Diff view
23 changes: 22 additions & 1 deletion pages/techniques/tot.es.mdx
View file
Open in desktop
Original file line number Diff line number Diff line change
@@ -1,3 +1,24 @@
# Tree of Thoughts (ToT)

This page needs a translation! Feel free to contribute a translation by clicking the `Edit this page` button on the right side.
El Tree of Thoughts (ToT) —o "Árbol de Pensamientos"— es un marco de trabajo (framework) para modelos de lenguaje a gran escala (LLM) que mejora su capacidad de razonamiento al permitirles explorar múltiples caminos de solución de forma estructurada, similar a un árbol de decisión.
A diferencia del razonamiento lineal tradicional, el ToT permite a la IA evaluar, descartar y retroceder entre diferentes ideas hasta encontrar la solución óptima.
¿Cómo funciona el Tree of Thoughts?
El proceso se divide en cuatro componentes principales:
Descomposición en "Pensamientos": El problema complejo se divide en pasos intermedios o unidades de razonamiento llamadas "pensamientos".
Generación de Pensamientos: En cada paso, el modelo genera varias alternativas o posibles caminos a seguir (ramas).
Evaluación de Estados: El modelo actúa como un juez, evaluando la viabilidad de cada pensamiento generado. Se utilizan heurísticas para decidir si un camino es prometedor o si debe ser "podado" (descartado).
Algoritmos de Búsqueda: Se utilizan métodos como la Búsqueda en Anchura (BFS) o la Búsqueda en Profundidad (DFS) para navegar sistemáticamente por el árbol de opciones.
Diferencias clave con Chain of Thought (CoT)
Característica Chain of Thought (Cadena de Pensamiento) Tree of Thoughts (Árbol de Pensamientos)
Estructura Lineal (un paso tras otro). No lineal (múltiples ramas en paralelo).
Flexibilidad Si el modelo comete un error al inicio, suele fallar al final. Puede retroceder (backtracking) y probar rutas alternativas.
Evaluación No evalúa pasos intermedios explícitamente. Evalúa y califica cada paso antes de continuar.
Uso de Recursos Bajo; es una sola ejecución. Alto; requiere múltiples llamadas al modelo para explorar las ramas.
Aplicaciones principales
El ToT es especialmente útil en tareas que requieren planificación estratégica y búsqueda de soluciones entre miles de posibilidades:
Escritura Creativa: Explorar diferentes arcos narrativos o estructuras de capítulos antes de escribir el texto final.
Resolución de Problemas Matemáticos/Lógicos: Muy eficaz en retos como el "Juego del 24" o Sudokus, donde una mala decisión inicial bloquea la solución.
Programación y Depuración: Evaluar diferentes arquitecturas de código o rastrear el origen de un error a través de múltiples hipótesis.
Estrategia de Negocios: Analizar diversos escenarios de mercado y prever las consecuencias de diferentes decisiones corporativas.
Implementación
Si deseas aplicar este concepto, puedes consultar el repositorio oficial de investigación en el GitHub de Tree of Thoughts. En la práctica, herramientas como LangChain también ofrecen módulos para implementar agentes que utilizan esta lógica de árbol.