跳到正文
热点事件持续更新

LPC-MCTS 改进 LLM 推理探索计数

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

Xuan Zhang 等作者提出 Learned Pseudo-Count MCTS(LPC-MCTS),只改动 UCT 的探索统计量,让语义相关的推理分支共享探索证据。 研究指出,标准 UCT 为文本分支独立分配访问计数,同一推理策略的不同表述会重复获得探索奖励,造成计数碎片化并增加累积遗憾。LPC-MCTS 用轻量 Coin-Flipping Network 头基于策略隐藏表示估计覆盖度,以缓解这一问题。 报道未给出该方法在具体任务上的效果数据。

AI 根据报道生成 · 1 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月18日
  1. arXiv cs.AI
    MCTS 数错了对象:为 LLM 推理学习探索计数

    研究指出标准 UCT 为文本分支独立分配访问计数,导致同一推理策略的不同表述重复获得探索奖励、计数碎片化并增加累积遗憾。为此提出 LPC-MCTS,仅在 UCT 的探索统计量上改动,用轻量 Coin-Flipping Network 头基于策略隐藏表示估计覆盖度,让相关分支共享探索证据。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。