monte-carlo-tree-search

本文提出了2FFS，一种双保真度树搜索算法，该算法在随机极小极大树中自适应地平衡廉价但有偏差的评估与昂贵但准确的评估，用于固定置信度的最优动作识别，具有理论保证和实验效率提升。

AlphaTransit 结合蒙特卡洛树搜索与神经策略-价值网络，通过预测下游质量而无需模拟器 rollout，从而优化公交线路设计。在 Bloomington 公交基准上，它实现了显著的服务率提升。

A detailed discussion on reinforcement learning and its connection to modern AI, using the reconstruction of AlphaGo with modern tools as a clear example of search and self-play. Key takeaways include neural network amortization of search, credit assignment challenges in LLMs vs AlphaGo, and implications for automated research.

Eric Jang 从头重建了 AlphaGo 并详细解释了蒙特卡洛树搜索和深度学习在围棋中的应用，展示了当前低成本复现强力围棋AI的可行性。

Eric Jang的黑板讲座逐步讲解了如何使用现代AI工具从零构建AlphaGo，涵盖了强化学习、蒙特卡洛树搜索、自我对弈，并与LLM训练相联系，同时讨论了自动化AI研究。