跳到正文
热点事件持续更新

论文提出LPC-MCTS修复MCTS探索计数问题

1 篇报道1 个报道来源46 分钟前更新

先了解这件事

AI 综述

Xuan Zhang 等研究者在 arXiv 论文《MCTS Is Counting the Wrong Thing》(arXiv:2611.22301)中提出 Learned Pseudo-Count MCTS(LPC-MCTS),指出标准 MCTS 的 UCT 对文本分支独立计数,使同一推理策略的不同表述反复获得探索奖励、累积 regret 增加,并用学习到的伪计数替换 UCT 探索统计。 论文称,在保持各自训练出的策略固定的条件下,仅在推理阶段将标准 MCTS 计数替换为 LPC-MCTS,即可使 5 个数学基准的平均 mean@16 准确率在 Qwen2.5-7B 上提升 3.79 个百分点、在 Qwen3-4B 上提升 2.71 个百分点。

AI 根据报道生成 · 20 分钟前更新

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 在错误地计数:LPC-MCTS 用学习到的探索计数改进 LLM 推理

    arXiv 论文提出 Learned Pseudo-Count MCTS(LPC-MCTS),指出标准 MCTS 中 UCT 对文本分支独立计数,导致同一推理策略的不同表述重复获得探索奖励、累积 regret 增加。

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。