monte carlo tree search | BriefGPT

关键词monte carlo tree search

搜索结果 - 166

LiteSearch: 高效的 LLM 树搜索
通过考虑搜索进展和价值网络的引导，本研究介绍了一种新颖的有引导的树搜索算法，用于在可接受的计算成本内提高性能。实验结果显示，该方法不仅具有竞争力的性能，而且相对于基准方法而言计算成本显著降低。
PDF5 days ago
基于蒙特卡洛规划的约束马尔可夫决策过程的随机控制
在随机控制的领域中，尤其是在经济学和工程学中，马尔可夫决策过程（MDPs）能够有效地建模各种随机决策过程，从资产管理到运输优化。本文定义了一个 MDP 框架，SD-MDP，通过解开 MDPs 的转移和奖励动态的因果结构，提供了时间因果图上的
PDF11 days ago
ICML改进 GFlowNets 使用蒙特卡罗树搜索
我们运用蒙特卡罗树搜索算法（MCTS）提升了生成流网络的规划能力，实验证明这种方法提高了生成流网络的训练样本效率和预先训练模型的生成真实性。
PDF15 days ago
增强医学知识检索辅助生成：自奖励树搜索和近端策略优化
通过结合 Large Language Models 的推理能力和 Tree Search 的效果，我们提出了一种基于 Self-Rewarding Tree Search 的新型 LLM 检索方法，通过使用 SeRTS 收集的轨迹作为反馈
PDF17 days ago
将组合优化引入 MCTS 方法：应用于棋盘游戏 boop
通过将组合优化注入蒙特卡罗树搜索，我们在抽象棋盘游戏中提出了一种新的 AI 方法，该方法在对强化学习算法的基线进行测试时的胜率达到 96％，并在 Board Game Arena 平台上与人类玩家对抗时取得了良好的成绩。
PDF21 days ago
AlphaZeroES：直接最大化得分胜过规划损失最小化
在单智能体环境中，通过直接最大化回合得分而不是最小化规划损失，可以在不改变蒙特卡洛树搜索算法和神经网络结构的情况下，优于 AlphaZero。
PDF22 days ago
通过分层对手建模和规划在混合动机环境中实现高效适应
基于 Hierarchical Opponent Modeling and Planning (HOP) 算法的多智能体强化学习能够在混合动机环境中实现对未知策略的少样本适应，并显示出在不同未知对手和自对弈场景中优越的适应能力，同时在复杂多
PDF22 days ago
通过 Monte Carlo 树自我精化和 LLaMa-3 8B 获得 GPT-4 级数学奥赛解题方法
这篇论文介绍了 MCT Self-Refine (MCTSr) 算法，它是大型语言模型（LLM）与蒙特卡洛树搜索（MCTS）的创新集成，在复杂的数学推理任务中提高性能。通过解决 LLM 在战略和数学推理中的准确性和可靠性挑战，MCTSr 利
PDF23 days ago
ACL像人一样规划：对话规划的双过程框架
通过引入心理学中的双过程理论，我们提出了双过程对话规划（DPDP）框架，结合直觉策略模型和深思熟虑的蒙特卡洛树搜索机制，通过线下强化学习和增强的实时学习实现了效率和策略深度之间的动态平衡，并在各种对话任务中实验证实了 DPDP 在实现高质量
PDFa month ago
通过自动流程监督来改善语言模型中的数学推理
我们提出了一种新颖的分而治之式蒙特卡洛树搜索（MCTS）算法 OmegaPRM，用于有效地收集高质量的过程监督数据，进一步提高了指导调优的 Gemini Pro 模型在数学推理性能上的成功率，相较于现有方法，我们的方法在财务和计算上都具有成
PDFa month ago
基于贝叶斯的在线规划
蒙特卡洛树搜索和神经网络的结合彻底改变了在线规划。我们提出了一种贝叶斯规划方法，通过经典元推理文献中的思想，利用神经网络输出的不确定性估计来改善规划。我们在可能行动的树中提出了一种基于汤普森抽样的搜索算法，并证明了有限时间的贝叶斯后悔上界，
PDFa month ago
如何理解整个软件库？
我们开发了一种名为 RepoUnderstander 的新型自动软件工程（ASE）方法，通过指导代理程序全面了解整个代码库，将关键的整个代码库信息压缩成知识图，采用蒙特卡罗树搜索探索策略，通过分析和规划，使代理程序能够动态获取信息并生成补丁
PDFa month ago
通过即时状态条件的动作抽象实现高效蒙特卡罗树搜索
基于组合结构的行为抽象可以提高蒙特卡洛树搜索在具有复杂动作空间问题上的效率。本研究通过学习一个潜在的动态模型和辅助网络，构建了一种状态条件行为抽象方法，用于减少搜索空间并提高采样效率，并在实验中展示了其比传统 MuZero 方法更好的采样效
PDFa month ago
蒙特卡洛树搜索下的云覆盖不确定性卫星调度
在动态环境中，高效利用卫星资源仍然是卫星排程中的一个具有挑战性的问题。本文解决了多卫星集合排程问题（m-SatCSP），旨在优化在云覆盖等不确定条件下对卫星星座进行任务排定。通过使用蒙特卡洛树搜索（MCTS），探索了两个版本的 MCTS 来
PDFa month ago
基于蒙特卡罗树搜索指导的大型语言模型生成代码世界模型
通过利用蒙特卡洛树搜索策略（GIF-MCTS）进行生成、改进和修复，我们成功地解决了利用大型语言模型生成代码世界模型（Code World Models）的挑战，并且在多个基准测试中超越了其他方法，在模型为基础的强化学习方面取得了显著的样本
PDFa month ago
AlphaMath 几乎接近零：无过程的过程监督
利用 Monte Carlo Tree Search (MCTS) 框架和大型语言模型 (LLMs) 自动生成解决步骤和评估信号，训练一个逐步价值模型以提高 LLM 在数学领域中的推理过程。实验证明，采用 LLMs 结合 MCTS 自动生成
PDF2 months ago
蒙特卡洛树搜索通过迭代偏好学习提高推理能力
通过增强大型语言模型的推理能力，我们介绍了一种受 AlphaZero 成功策略启发的增量式偏好学习方法。我们利用蒙特卡洛树搜索 (MCTS) 迭代收集偏好数据，将实例级奖励分解为更精细的步骤级信号。为了增强中间步骤的一致性，我们结合了结果验
PDF2 months ago
IJCAIConstrainedZero: 基于学习的概率性失败代理和自适应安全约束的机会约束的 POMDP 规划
在不确定环境中安全规划时，智能体需在效用和安全限制之间进行平衡。本研究提出了基于信念空间的 ConstrainedZero 政策迭代算法，通过学习神经网络近似的最优值和策略，并引入了额外的网络头来估计置信度下的失败概率，以指导在线蒙特卡洛树
PDF2 months ago
PhyPlan: 机器人操纵器的物理感知技能网络通用和快速物理任务规划
PhyPlan 是一个结合物理信息的规划框架，利用物理信息神经网络（PINNs）和修改的蒙特卡洛树搜索（MCTS）使得具体化代理能够执行动态物理任务，并在求解 3D - 物理推理任务方面展现出较低的后悔、加速技能学习和提高物理推理速度、比非
PDF2 months ago
基于 Transformer 的观察空间规划及其在扑克牌游戏中的应用
GO-MCTS 是一种利用代理观察生成序列进行搜索的广义观察蒙特卡洛树搜索方法，通过基于种群的自我对弈迭代训练 transformer 模型，有效解决了在不完全信息游戏中搜索算法的局限性。
PDF2 months ago