AITOPAI热报

MCTS

共 6 条相关 AI 资讯
8月18日
10:37
10:37官方账号arXiv cs.LG@Kejia Zhang, Youran Sun, Xinyu Ren, Chugang Yi, Haizhao Yang
AutoSR是一个全自动符号回归系统，通过搜索持续的研究状态而非孤立方程来发现科学关系。在9个选自两个基准套件的挑战中，AutoSR全部恢复了代数等价关系，包括3个cp3-bench问题和6个LSR-Transform问题。系统采用proposer-reviewer智能体在渐进加宽蒙特卡洛树搜索（PW-MCTS）下开发研究状态。与仅优化数值拟合和语法复杂度的方法不同，AutoSR保留动机、计算证据和独立评审，最终生成报告解释所选关系。
论文AutoSR符号回归MCTS
推荐理由：AutoSR把符号回归从找公式变成做研究，9个挑战全部恢复，连3个cp3-bench难题都解决了。
原文
8月7日
09:40
09:40官方账号arXiv cs.AI@Jia Xiong, Runkai Li, Chenxu Niu, Guangyuan Gao, Changwen Xing, Yifan Zhang, Xinlai Wan, Jieran Cui, Chen Bai, Yusheng Hua, Ying Wang, Ming Ling, Xi Wang, Tao Xie
论文提出MicroEvo框架，将现成LLM与蒙特卡洛树搜索（MCTS）结合用于多目标微架构优化。该框架包含LLM驱动的进化算子、Pareto感知树策略、主动知识积累机制和状态感知指令。实验显示，MicroEvo相比NSGA-II将Pareto前沿质量最高提升36.2%，搜索效率提升10.6倍。该方法在复杂工业级核心上展现出强可扩展性，代码已在GitHub开源。
论文MicroEvoMCTSLLM
推荐理由：MicroEvo用LLM引导芯片微架构设计搜索，比NSGA-II质量高36.2%，效率提升10倍多，代码已开源。
原文
7月30日
10:32
00:08
7月15日
11:02
11:02官方账号arXiv cs.AI@Jakub Kowalski, Adam Ciężkowski, Artur Krzyżyński, Mark H. M. Winands
该论文针对高不确定性对抗游戏（如Jaipur、Lost Cities、Splendor）中的蒙特卡洛树搜索（MCTS）进行改进，提出两种动态资源分配方法：Dynamic Number of Determinizations根据搜索表现动态调整当前使用的determinization树数量；Dynamic Simulation Allocation根据模拟间决策非均匀分配模拟预算到不同树中。在迭代和时间限制测试下，特定配置相比基线算法在统计上显著提升了强度（p<0.05）。实验基于三个流行桌面游戏，展示了方法在随机和隐藏信息环境中的有效性。
论文MCTS蒙特卡洛树搜索游戏AI
推荐理由：这篇论文给做游戏AI的同行提供了一个很实用的优化思路：不用固定分配计算资源，而是根据搜索情况动态调整，实测对三个桌游都有明显提升。
原文
7月7日
11:19