标签
GATS引入了一种基于图增强的树搜索与分层世界模型（符号型、学习型、生成型），消除了规划过程中的LLM调用，在合成任务和压力测试中实现了100%的成功率，优于LATS和ReAct。
提出了SVA框架，该框架在冻结的VLA模型中将动作生成与后果评估解耦，使用蒙特卡洛树搜索并将其蒸馏为轻量级Q值模型，从而提升泛化能力和任务成功率，同时降低计算成本。
SproutRAG是一种层次化RAG框架，利用注意力引导的树搜索和渐进式嵌入，从长文档中实现多粒度检索，相较于基线方法将信息效率提升了6.1%。
LLMZero利用LLM智能体通过树搜索在训练轨迹中进行搜索，发现用于强化学习后训练的自适应多参数过渡策略，该策略在多种任务中优于固定调度和网格搜索。
一篇新的 Nature 论文介绍了 ERA，这是一种通过树搜索迭代编写、运行、评分和改进科学代码的 AI 系统，将 AI for Science 从文本生成推进到代码测试。
本文介绍了集体技能树搜索（CSTS）这一框架，它利用多个模型的集体智慧，为LLM智能体构建结构化、多样且可泛化的技能树。由此产生的模型OpenClaw-Skill在长程规划、工具使用和泛化能力方面展现了更优的智能体性能。
StarOR 提出了一种框架，将蒙特卡洛树搜索与测试时强化学习协同用于自动优化建模，在多个基准测试中取得了最先进的性能。
Arbor 引入了结构化树搜索作为自主代理的认知层，通过制衡多代理架构，实现多日、全栈 LLM 推理优化，相比供应商基线，吞吐量-延迟提升高达 193%。
MLEvolve是一个基于LLM的自我进化多智能体框架，用于自动化机器学习算法发现。它将树搜索扩展为Progressive MCGS，并引入基于图的跨分支信息流和Retrospective Memory。该框架在MLE-Bench上取得了最先进的性能，并在数学算法优化任务上优于AlphaEvolve。
ATOM是一个多智能体框架，将分子优化建模为树状搜索，沿路径布置专门化的智能体，从而能够探索替代分子轨迹并在多目标基准测试中提高帕累托覆盖率。
本文从理论上研究了基于Transformer的策略如何从随机树环境中的强化学习训练动态中获得搜索能力。研究表明，一个双头Transformer可以实现深度优先搜索，并且在深度分阶段课程下，这种机制会自然地从稀疏奖励信号中涌现。
本文针对Levin树搜索提出了三种重根器设计，利用状态空间结构和学习启发式方法，无需显式子目标生成即可提升搜索效率，实现了当前最优的在线训练效率。
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。
Guowei Xu 讨论了 Best-of-N 和树搜索方法在 LLMs 处理困难推理问题时的局限性，指出验证信号稀疏且候选答案仍处于模型的分布范围内。
本文介绍了MAPLE，一种树搜索方法，它聚合来自多个采样子世界状态的策略和价值评估，将AlphaZero扩展至不完全信息游戏。在Phantom Go和Dark Hex上的实验显示，与基于PIMC的AlphaZero基线相比，Elo分别提升了291和136。
本文介绍了AutoMMemo，一个使多模态智能体能够自动设计记忆机制（可表达为可执行的备忘录程序）以从多模态交互轨迹中学习的框架，在GUI/Web导航和视觉推理基准上优于无记忆和固定记忆基线。
本文介绍了一个案例研究，使用大语言模型驱动的树搜索算法（ERA）结合编码代理（AntiGravity）自主生成高效三维光伏结构，克服了中纬度地区平板太阳能电池板的局限性。工作流程包括迭代修补以消除奖励黑客行为，并在各种约束条件下发现改进的设计。
本研究分析了大语言模型（LLM）在“四子连珠”游戏中的推理轨迹，发现LLM表现出短视规划特征：其表现主要取决于浅层的搜索广度，而非深层的预判能力，这与人类专家的规划方式截然不同。