本文通过指导树遍历过程中使用鉴别器推导所需的限制条件，探讨了如何在解码过程中进一步控制基于 Transformers 的大型语言模型（LM）生成的长文本，从而避免对 LM 进行微调。此方法相对于微调又更易于并且训练代价更小，同时允许更细致、更动态地应用限制条件。在评估了多种搜索和重新排序方案后，表明基于鉴别器引导的 Monte Carlo Tree Search 解码方法可以在两种限制条件和语言（法语和英语）中以最先进的效果，得到多样性鼓励下基于重新排序的其他解码方法相当好的效果。

Sep, 2021

本篇论文提出了一种新的方法用于生成多乐器符号音乐并能获得更高的情感表达，该方法利用了一个基于变换器的连续情感标签，同时，还提供了一个带有情感标签的大规模符号音乐数据集，并通过音符预测精度和情感平面的回归任务进行了数量化评估，结果表明我们的方法超越了当前技术水平。

Mar, 2022

研究纸中提出了一种改进 Monte Carlo Tree Search (MCTS) 框架的算法，它能够在环境模型存在不完全时搜索更加确定的转换，从而提高搜索行为和性能。

Dec, 2023

本文介绍了一种基于贝叶斯框架与高斯近似算法的 Monte-Carlo Tree Search 方法，旨在更准确地估算节点价值和不确定性，并证明了该方法的在策略和非策略情境下的收敛性和实现的优越性。

Mar, 2012

图像平台中的文本生成，特别是与音乐相关的内容，需要对文本样式进行精确控制，同时融入情感表达。但是，现有方法通常需要外部因素在生成的文本中的比例的帮助，并且依赖于离散的输入，缺乏对所需文本生成进行连续控制的条件。本研究提出了一种用于受控文本生成的连续参数化方法（CPCTG），以克服这些限制。我们的方法利用语言模型（LM）作为样式学习器，整合语义凝聚力（SC）和情感表达比例（EEP）考虑。通过改进奖励方法和操纵 CPCTG 级别，我们在播放列表描述和音乐主题生成任务上进行的实验证明了 ROUGE 得分的显著提高，表明生成文本的相关性和连贯性得到了增强。

Oct, 2023

本文提出使用蒙特卡罗搜索设计数学表达式作为蒙特卡罗树搜索算法的探索项，优化了 PUCT 和 SHUSS 树搜索算法的根探索项，使得在小型搜索预算下，这些发现的根探索项使得两种算法与常规的 PUCT 算法有竞争力。

Apr, 2024

通过将 MCTS 与 PPO 集成，在推断时生成自然语言文本，相较于仅使用 PPO 策略，PPO-MCTS 极大地提高了生成文本的优越性，减少了训练和测试之间的部分输出评分机制不匹配的问题，证明了搜索算法在与 PPO 进行对齐的语言模型上的潜力和价值网络的未充分探索的好处。

Sep, 2023

我们介绍了 Coco-Mulla，这是一种用于音乐大型语言模型的基于内容的控制方法，通过参数高效的微调方法进行训练，在使用少于 300 首歌曲的小数据集进行调整时，相比于原始模型，使用了不到 4% 的参数。我们的方法实现了高质量的音乐生成，并通过和文本描述结合，展示了灵活的音乐变体生成和风格转换。

Oct, 2023

本文介绍了一种基于 Monte Carlo Tree Search（MCTS）的解释性自然语言处理方法，采用训练好的分类模型来引导搜索能够简洁解释作者情绪的关键短语，该算法能够找到基于文本特定上下文和通用的解释，使用 Reddit 上的压力贴文数据集证明了该算法能够解释人们压力情绪的原因。

Apr, 2022

通过结合强化学习和计划，提出了一种称为 Policy Augmented MCTS（PA-MCTS）的新型混合决策方法，将策略的动作价值估计结合到 MCTS 中，以更好地适应非稳态环境下的决策制定。经测试，PA-MCTS 相对于标准 MCTS 和纯强化学习能更快地收敛并做出更好的决策。

Feb, 2022