MIT与新加坡国立大学联合推出MEM1框架，提升AI智能体的长程推理效率，速度提高3.5倍，显存减少至1/4。该框架通过强化学习使智能体自主整合记忆与推理，有效解决信息过载问题，展现出强大的泛化能力。

蒙特卡洛树扩散（MCTD）结合了蒙特卡洛树搜索与扩散模型，有效解决了扩散模型在长程推理中的可扩展性问题。在迷宫导航等任务中，MCTD的成功率接近100%。为提高效率，研究团队推出了快速MCTD，使推理速度提升100倍，显著降低计算开销。

本研究提出CreDes模型，通过因果关系增强机制和双向搜索方法，解决大语言模型在长程推理中的因果幻觉和搜索空间过大问题，提高多步骤推理的准确性和效率。