跳到正文
arXiv · AI· Xuan Zhang, Zhijian Zhou, Zicheng Hu, Yan Feng, Hongyan Hao, Yuan Qi, Chao Qu·· 2 天前AI 评分27

LPC-MCTS 通过学习探索计数改进 LLM 推理

MCTS Is Counting the Wrong Thing: Learning Exploration Counts for LLM Reasoning

AI 导读

研究团队提出 Learned Pseudo-Count MCTS(LPC-MCTS),通过改进 UCT 的探索统计量,解决传统 MCTS 中计数碎片化导致的探索效率低下问题。

来源:arXiv · AI · arxiv.org