**关于cos符号链提示（Chain-of-Symbol Prompting, CoS）**：
Chain-of-Symbol Prompting（CoS）是用于大型语言模型（LLMs）的一种新的提示方法。它旨在解决LLMs在空间场景中的理解和规划问题，尤其是当这些场景通过自然语言描述时。与传统的“思维链”（Chain-of-Thought, CoT）提示方法相比，CoS在中间思维步骤中使用简化的符号来表示空间关系。
CoS的主要特点包括：
1. **简化符号表示**：CoS在链式中间思维步骤中使用了简化的符号来表示空间关系，这有助于LLMs更好地理解和处理复杂的空间环境。
2. **易于使用**：这种方法易于使用，且不需要对LLMs进行额外的训练。
3. **性能提升**：通过大量实验，作者表明CoS在所有三个空间规划任务和现有的空间问答基准测试中的表现明显超过了用自然语言描述的CoT提示。同时，CoS在输入中使用的令牌数量也比CoT少。
**关于TOT**：
TOT指的是“思维树”（Tree of Thought, ToT），而不是Trust of Trusts（TOT）的金融概念。在解构思维之链、树与图的领域中，ToT是指一种用于优化大语言模型推理能力的树状结构。
ToT可能表示一种树状的思维结构，用于组织和管理复杂的推理过程。在大型语言模型的推理中，这种结构可能有助于模型更有效地构建和理解问题，从而提高推理的准确性。
总结来说，CoS是用于大型语言模型的一种新的提示方法，通过使用简化的符号表示来提高模型在空间任务上的准确性和效率；而ToT可能指的是一种树状的思维结构，用于优化大语言模型的推理能力。这两个概念在大型语言模型的推理和优化方面都有其独特的价值和应用。
