热点事件持续更新

MCTS-SFT：用蒙特卡洛树搜索筛选Verilog推理轨迹微调LLM

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

Matthew DeLorenzo 等研究者发布论文（arXiv:2610.37706），提出 MCTS-SFT 框架：用蒙特卡洛树搜索将完整 Verilog 代码的功能反馈传递到早期设计决策，为大语言模型 Verilog 生成的监督微调筛选推理轨迹。论文实验显示，其 Plan-MCTS 方法的正确轨迹占比达 84.2%，高于一次性结构化规划的 81.9% 和无引导树搜索的 82.0%。作者称，用 MCTS 筛选的监督数据相比全响应思维链蒸馏，在 VerilogEval-v2 上 pass@10 最高提升 3.7 个百分点，同时下游生成长度缩短约 50%。

AI 根据报道生成 · 35 分钟前更新

最新进展10月31日 12:00

MCTS-SFT：基于搜索引导的推理轨迹筛选方法提升 LLM Verilog 生成效果

报道时间线

沿着报道，了解事件的不同侧面。

10月31日

12:00
arXiv cs.AI
MCTS-SFT：基于搜索引导的推理轨迹筛选方法提升 LLM Verilog 生成效果
MCTS-SFT 是一种以验证器引导的框架，用蒙特卡洛树搜索（MCTS）为大语言模型的 Verilog 生成微调筛选结构化推理轨迹，其中 Plan-MCTS 在硬件设计计划空间中搜索。

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。