Tree of Thoughts（ToT）とは？（ツリーオブソーツ）意味・特徴をわかりやすく解説

Tree of Thoughts（ToT）（ツリーオブソーツ）

LLMの推論をツリー構造で複数ブランチ展開し、各ノードを評価・探索するフレームワーク。Chain-of-Thoughtの線形推論を超え、バックトラック・最良優先探索でより難解な問題を解く。Princeton/Google 2023。

0 回閲覧

0 いいね

2026/6/6 更新

Tree of Thoughts（ToT）とは

Tree of Thoughts（ToT）は2023年にPrinceton/GoogleのShunyu Yao, Dian Yu et al.が提唱したLLM推論フレームワーク。従来のChain-of-Thought（CoT）が単一の直線的な推論を行うのに対し、ToTは思考をツリー構造として複数のブランチに展開し、評価・探索を繰り返して最適解を見つける。

CoT vs ToT の構造比較

【Chain-of-Thought（線形）】
Start → Step1 → Step2 → Step3 → Answer

【Tree of Thoughts（ツリー）】
         Start
        /  |  \
     S1a  S1b  S1c   &lt;- 複数候補生成
    / \    |    \
  S2a S2b S2c  S2d  &lt;- 各ブランチを評価
   x   o   x    x   &lt;- 有望なブランチのみ続行
        |
     Answer

ToTの4つのコンポーネント

思考の分解（Decomposition）: 問題をToTノードに分解可能な思考ステップに定義
思考の生成（Generation）: 各ノードから複数の次ステップ候補を生成
状態の評価（Evaluation）: 各ノードの有望度をLLM自身（または外部評価器）で判定
探索アルゴリズム（Search）: BFS/DFS/MCTSなどで有望なブランチを優先探索

論文でのベンチマーク結果（Yao et al. 2023）

タスク	標準IO	CoT	ToT
24ゲーム（数学パズル）	7.3%	4.0%	74%
24ゲーム（GPT-4使用）	-	4%	87%
クリエイティブライティング	2.5/5.6	2.5/5.6	3.5/7.2
クロスワード	16%	7%	60%

特に24ゲームでCoT比20倍以上の成功率を達成。

実用上の課題

コスト: 1問あたりのLLM呼び出し数がCoT比10〜100倍増加
速度: ブランチ探索のため応答が遅い
思考定義: タスクに応じたToTノード定義が必要
実装複雑性: 標準APIより高い実装コスト

2025年現在、o1/o3系の内部推論（Extended Thinking）がToT的アプローチをモデル内部で実施するため、明示的ToT実装の必要性が低下している。

よくある質問（FAQ）

Q1: o1/o3とToTの違いは何ですか？ A: o1/o3はモデルが内部で思考トークンを生成しToT的探索を行う。外部からはその過程が見えない。一方ToTはプロンプトエンジニアリング技術であり、既存モデルに適用可能。

Q2: どんなタスクでToTが有効ですか？ A: バックトラックが必要な探索問題（パズル・プランニング）・創作の多案比較・複数仮説の並列検証。単純な質問応答やCoTで解ける算数問題にはオーバースペック。

Q3: LangGraphなどのフレームワークでToTを使えますか？ A: LangGraphのStateGraphでToTのノード構造を実装可能。各ノードがLLM呼び出し、エッジが評価スコアによる分岐として表現できる。

まとめ

発祥: Princeton/Google Yao et al. 2023
強み: CoTが解けない探索問題で圧倒的な精度
弱点: API呼び出し数増大によるコスト・遅延
2025年: o1/Claude Extended Thinkingで内部実装が主流化