论文页面 - 随机极小极大树的双保真度最佳动作识别

来源：https://huggingface.co/papers/2606.01708

摘要

提出了一种双保真度树搜索算法，该算法在固定置信度最佳动作识别问题中，自适应地平衡随机极小极大树中廉价但有偏的评估与昂贵但精确的评估。

我们研究随机极小极大树中的固定置信度最佳动作识别（BAI）。这一问题在现代AI规划中日益相关，其中深度极小极大搜索和基于大规模语言模型长卷展开的蒙特卡洛树搜索（MCTS）面临一个根本性权衡：启发式评估廉价但有偏，而精确卷展可靠但代价高昂。我们提出2FFS，一种双保真度树搜索算法，将多保真度平板赌臂思想引入树中。该算法结合了极小极大风格的快速扩展与MCTS风格的随机采样，自适应地决定何时利用廉价的有偏评估，以及何时调用昂贵的精确评估进行局部验证。我们证明了固定置信度正确性，建立了精确识别的有限停止性质，并给出了一般深度树的多项式深度成本上界。在数值随机树实验中，与现有BAI-MCTS基线相比，2FFS使用了显著更少的样本和计算操作。

查看arXiv页面 (https://arxiv.org/abs/2606.01708)查看PDF (https://arxiv.org/pdf/2606.01708)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2606.01708)

在你的agent中获取这篇论文：

hf papers read 2606\.01708

没有最新的CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用该论文的模型0

没有模型链接此论文

在模型README.md中引用arxiv.org/abs/2606.01708即可从此页面链接。

引用该论文的数据集0

没有数据集链接此论文

在数据集README.md中引用arxiv.org/abs/2606.01708即可从此页面链接。

引用该论文的Space0

没有Space链接此论文

在Space README.md中引用arxiv.org/abs/2606.01708即可从此页面链接。

包含该论文的收藏集0

没有收藏集包含此论文

将此论文添加到收藏集 (https://huggingface.co/new-collection)即可从此页面链接。