基于蒙特卡洛树搜索（MCTS）与Gemini大语言模型框架的自主AI编码代理开发

arXiv cs.LG 论文
ai-coding-agent monte-carlo-tree-search gemini-llm code-generation autonomous-systems software-development

摘要

本文介绍了一种自主AI编码代理，它结合了蒙特卡洛树搜索与Gemini大语言模型，以增强代码生成能力，在复杂逻辑提示上实现了92%的成功率。

arXiv:2608.29096v1 公告类型：新 摘要：持续变化的软件工程需求创造了对能从自然语言输入创建安全源代码的自动化工具的大量需求。传统大语言模型（LLMs）的性能受限于其“一次性”能力，这导致在复杂操作中出现逻辑幻觉和算法性能下降。本研究提出了一种自主AI编码代理，通过其结构化的决策方法，在LLM生成的内容与生产就绪软件之间建立联系。我们的框架使用Gemini 2.5 Flash API进行核心推理能力，同时采用定制的蒙特卡洛树搜索（MCTS）方法，将代码生成挑战作为搜索操作来解决。代理使用“自我批评”评估器系统来测试不同的实现方法，根据其准确性和难度等级进行排名，然后通过反向传播改进其操作框架。系统通过基于Flask的Web界面运行，提供即时反馈和语法高亮功能。我们的实验结果表明，基于MCTS的方法在复杂逻辑提示上实现了92%的成功率，超越了标准零样本生成模型。
查看原文
查看缓存全文

缓存时间: 2026/09/01 13:08 

# 基于蒙特卡洛树搜索（MCTS）与 Gemini 大语言模型框架的自主AI编程智能体开发
来源：https://arxiv.org/abs/2608.29096
查看PDF (https://arxiv.org/pdf/2608.29096)

> 摘要：软件工程需求的持续变化催生了对能够从自然语言输入生成安全源代码的自动化工具的大量需求。传统大语言模型（LLMs）的性能受限于其"一次性"能力，在处理复杂任务时容易产生逻辑幻觉并降低算法性能。本研究提出了一种自主AI编程智能体，通过其结构化的决策方法，在LLM生成内容与生产级软件之间建立连接。我们的框架使用Gemini 2.5 Flash API进行核心推理，并采用定制的蒙特卡洛树搜索（MCTS）方法将代码生成问题转化为搜索过程来解决。该智能体采用"自我批判"评估系统测试不同实现方案，根据准确性和难度等级进行排序后，通过反向传播优化其操作框架。系统通过基于Flask的Web界面运行，提供实时反馈和语法高亮功能。实验结果表明，基于MCTS的方法在复杂逻辑提示上实现了92%的成功率，超越了标准零样本生成模型。

## 投稿历史

来自：Pravin Game \[查看邮件 (https://arxiv.org/show-email/cea514f1/2608.29096)\] **\[v1\]**2026年8月29日 星期六 07:03:55 UTC \(384 KB\)

相似文章

基于蒙特卡洛树搜索的多智能体系统自主修复

arXiv cs.LG

本文提出MARS，一种基于蒙特卡洛树搜索的多智能体系统自主修复框架，以及StateMAS，一个包含1,310条故障轨迹的基准。实验表明，MARS在修复准确率上 consistently 优于现有方法，且 token 成本相当。