宣布 Fugu-Ultra v1.1 发布 🐡（1分钟阅读）

# 来自 @SakanaAILabs 的帖子（通过 Thread Reader 应用） 来源：https://threadreaderapp.com/thread/2080448772778373586.html 我们很高兴介绍 AB\-MCTS\！ 我们的新推理时扩展算法通过允许多个前沿模型（如 Gemini 2.5 Pro、o4\-mini、DeepSeek\-R1\-0528）协同工作，为 AI 实现了集体智能。 博客：sakana\.ai/ab\-mcts (https://sakana.ai/ab-mcts) 论文：arxiv\.org/abs/2503\.04412 (https://arxiv.org/abs/2503.04412) 受人类集体智能力量的启发——最伟大的成就往往来自不同思想的协作——我们相信同样的原理也适用于 AI。像 ChatGPT、Gemini 和 DeepSeek 这样的独立前沿模型已经非常先进，各自拥有源于训练的独特优势和偏见，而我们视这些为集体解决问题的宝贵资源。 AB\-MCTS（自适应分支蒙特卡洛树搜索）利用了这些个体差异，允许多个模型协同工作，进行有效的试错，解决任何单一 AI 难以应对的挑战性问题。我们在 ARC\-AGI\-2 基准测试上的初步结果令人振奋：AB\-MCTS 结合了 o4\-mini + Gemini\-2.5\-Pro + R1\-0528 这些当前前沿 AI 模型，性能显著超越单个模型，提升幅度巨大。 这项研究基于我们 2024 年在进化模型合并方面的工作，将焦点从“混合以创造”转向“混合以利用”现有强大 AI。在 Sakana AI，我们致力于通过应用进化与集体智能等自然启发的原理，开创全新的 AI 系统。我们相信这项工作标志着迈向未来的一步——届时 AI 系统能像人类专家团队一样协作应对复杂挑战，解锁新的问题解决能力，超越单一模型的局限。 算法（TreeQuest）：github\.com/SakanaAI/treeq... (https://github.com/SakanaAI/treequest) ARC\-AGI 实验：github\.com/SakanaAI/ab\-mc... (https://github.com/SakanaAI/ab-mcts-arc2) 图片 (https://pbs.twimg.com/media/Guu-b3DXkAE-ROp.jpg) AB\-MCTS 组合 o4\-mini + Gemini\-2.5\-Pro + R1\-0528 这些当前前沿 AI 模型，在 ARC\-AGI\-2 基准测试上取得了强劲表现，大幅优于单个模型。 我们开源了 AB\-MCTS 的实现： github\.com/SakanaAI/treeq... (https://github.com/SakanaAI/treequest) ARC\-AGI\-2 上 AB\-MCTS 和多 LLM AB\-MCTS 的结果，展示了 Pass@k 随 LLM 调用次数的变化。 (https://pbs.twimg.com/media/Guv26nqWcAEm7dh.jpg) 许多单个 LLM 无法解决的 ARC\-AGI\-2 示例，在组合多个 LLM 后得到了解决。在某些情况下，o4\-mini 最初错误的尝试被 R1\-0528 和 Gemini\-2.5\-Pro 用作提示，最终导向正确解法。 ARC\-AGI\-2 代码： github\.com/SakanaAI/ab\-mc... (https://github.com/SakanaAI/ab-mcts-arc2) ARC\-AGI\-2 中的一个示例问题。任务是从左侧三个演示案例中推断出共同的变换规则，并将其应用到右侧的测试案例中。这是通过多 LLM AB\-MCTS 变得可解的问题之一。 (https://pbs.twimg.com/media/GuxWQUnXgAAE5Ho.jpg)