本研究针对传统蒙特卡罗树搜索在高不确定性和噪声数据环境中的决策不足问题，提出了一种新颖的奖励中心ReST-MCTS框架，通过引入中间奖励塑造来增强搜索效率。实验结果表明，该方法在机器人操作任务中相比传统方法提高了2-4%的决策准确性，且在不同不确定性水平下表现出良好的稳健性。

本研究解决了现有基于大型语言模型（LLM）的自主机器学习代理在代码生成时存在的低多样性和次优质量问题。我们提出了一种新的自省蒙特卡洛树搜索方法（I-MCTS），通过分析父节点和兄弟节点的解决方案来不断优化搜索树中的节点，从而提高决策过程的整体质量。实验证明，该方法在各种机器学习任务中相较于其他开源AutoML代理表现出6%的绝对性能提升。

本研究提出了HiAR-ICL范式，克服了传统上下文学习在复杂数学推理中的局限性，通过抽象思维和推理动作实现了79.6%的准确率，超越了现有模型。

蒙特卡罗树搜索（MCTS）算法在复杂环境中优化决策，广泛应用于工业领域，如制造优化、供应链管理和机器人自动化。通过选择、扩展、模拟和回溯四个阶段，MCTS有效平衡探索与利用，尽管面临计算能力和数据质量挑战，仍展现巨大潜力。

文章介绍了OpenAI o1模型在物理、化学、生物学等领域的强大能力。通过大规模强化学习和“思维链”策略，o1提升了推理能力，能识别和纠正错误，并将复杂问题分解为简单步骤。文章还提到结果监督和过程监督的奖励模型，强调过程监督在解决复杂问题中的优势。复旦大学的R3方法通过逆向推理学习，增强了大型语言模型的推理能力。

在采矿行业中，通过调度具有离散运输能力的自主运输卡车来实现物资的连续运输。最近，成功应用了蒙特卡罗树搜索（MCTS）来解决长期优化性、可扩展性和适应性的挑战。通过将运营约束的违反和满足建模为调度问题中的机会成本，避免采用明确的成本公式，而是利用 MCTS 生成模型来推导机会成本。实验研究展示了利用机会成本用于约束满足的成功以及将约束整合到调度计划中的有效性。

本研究介绍了一种基于计算树逻辑的Monte Carlo树搜索(MCTS)解释器，用于交通路径规划服务。调查结果显示，该解释器在用户偏好方面优于其他基准方法。

本研究回顾了129篇关于神经蒙特卡罗树搜索方法在非游戏领域的应用的同行评审文章。研究发现这些方法在各个领域中都有应用，并采用了不同的学习策略和训练方法。这是对该算法家族在实践问题中的现有景象的扫描，也是设计此类算法的原则性步骤的开端。

基于强化学习的 ReST-MCTS* 方法结合过程奖励模型与树搜索 MCTS*，获取高质量的推理轨迹用于训练策略和奖励模型，在 LLM 自我训练中取得了更高的准确性和性能。

本文介绍了将大型语言模型应用于代码优化的方法。研究人员提出了一个从头开始训练的变换器模型，用于优化LLVM汇编的代码大小。该模型在训练过程中要求预测优化前后的指令计数和优化后的代码本身，这提高了模型的优化性能和理解深度。在大量测试程序上评估后，该方法在减少指令计数方面比编译器效果提高了3.0%，并显示出强大的代码推理能力。

本研究采用深度学习与计算博弈相结合的新方法，通过Mixture of Experts（MoE）方法和Monte-Carlo Tree Search（MCTS）提高计算机棋类游戏的表现。实验结果显示该综合方法显著提升了游戏的强度，验证了专家知识与策略原则融入神经网络设计的潜力。

该论文研究了约束优化问题的深度优先搜索算法，提出了一种基于MCTS的启发式神经网络算法。实验结果显示该方法能够快速找到与最优解间隔小于17.63%的解，并在约束满足问题中搜索节点数减少不到5%。

该文介绍了一种名为KCTS的知识约束解码方法，通过知识分类器分数和MCTS，在每个解码步骤上引导模型生成与参考知识一致的文本，以减少大型语言模型产生误信息的潜力。同时，作者还提出了一种新的标记级幻觉检测方法RIPA。实证结果表明，KCTS作为一种即插即用、模型不可知的解码方法，能有效减少自然语言生成中的幻觉。

该研究结合MCTS和PPO生成自然语言文本，相较于仅使用PPO策略，PPO-MCTS提高了生成文本的优越性，证明了搜索算法在语言模型上的潜力和价值网络的未充分探索的好处。

本文介绍了一种基于模型的强化学习技术，将Monte-Carlo树搜索应用于无限期Marov决策过程的有限期版本，并使用值函数和策略函数的组合来规定有限期问题的终端条件或决策树的叶节点评估器。作者还提供了第一个基于树搜索的强化学习算法的样本复杂度边界，并证明由深度神经网络实现的技术能够创建一种竞争性人工智能代理。