注册

HyperMCTS提出跨轨迹超图增强MCTS，提升长周期LLM智能体规划精度

论文AI 评分 72/100arXiv cs.AI
AI 聚合

本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。

针对大模型智能体在长周期任务中MCTS搜索成本高且缺乏跨路径决策复用的问题，HyperMCTS引入跨轨迹超图，将重复决策组的观测收益进行累积。该方法无需训练，通过HyperUCT选择规则聚合重叠超边证据，使不同前缀下的结果能相互指导选择。在DeepPlanning测试中，三种骨干模型平均规划精度较最强基线提升2.3至7.3个百分点。Qwen3.6-27B在Shopping Planning上超越Claude Opus 4.6(max)，且LLM调用次数与输出token更少。SealQA实验也证实了问答能力的提升。

全文梳理

AI 摘要依据下方信源原文自动整理，非原文转载

跨轨迹超图补足统计

标准蒙特卡洛树搜索在长程任务里为每条前缀单独保存统计量，路径之间互不共享结果，因此同一类决策在不同分支下反复出现时，先前得到的反馈无法被再次利用。HyperMCTS 的做法是在有序搜索树之外再挂一张跨轨迹超图，超边对应一组规范化决策，并把当前任务中观察到的回报累加到这条超边上。由于不同超边可能覆盖同一决策，选择规则 HyperUCT 会把重叠超边上的证据汇总成一个动作先验，使某条前缀下收集的结果可以影响另一条前缀下的选择，同时执行历史仍保留在树结构中。该方法不需要训练，属于测试阶段的增强手段。

规划准确率提升幅度

在 DeepPlanning 上，HyperMCTS 对三个骨干模型分别取得平均规划准确率 2.3 到 7.3 个百分点的提升，比较对象是各自最强的基线。其中一个结果是 Qwen3.6-27B 在 Shopping Planning 上超过了 Claude Opus 4.6 (max)。除准确率外，该方法在达到更高准确率的同时，所用的大模型调用次数与输出 token 数都少于所评估的基于 MCTS 的基线。这说明收益不只体现在最终指标上，也体现在搜索开销的下降上，而开销正是原文指出的搜索成本来源之一。

问答任务与适用范围

除规划任务外，SealQA 上的实验也显示问答表现有所改善，说明这套跨轨迹累积回报的机制并不局限于某一类长程规划场景。原文把 HyperMCTS 定位为免训练方法，其作用对象是测试阶段的搜索过程，因此适用范围与所评估的骨干模型和任务集合绑定。需要留意的是，超边累积的是当前任务内观察到的回报，证据复用发生在同一任务的不同前缀之间，而非跨任务迁移。对关注长程智能体搜索效率的读者而言，可复用的信息是：把重复出现的决策分组并共享其回报，是一条在不额外训练的前提下降低搜索代价的路径。

为什么值得看

无需训练即显著提升长周期规划精度，且减少LLM调用与token消耗，对优化智能体推理成本极具价值。

ClaudeQwen大模型智能体

信源1 家

  1. [1]arXiv cs.AI一手信源HyperMCTS: Hypergraph-Augmented MCTS for Long-Horizon LLM Agents

关键事实

  • HyperMCTS是一种无需训练的方法，通过跨轨迹超图增强有序MCTS树，以复用轨迹反馈。[1]

  • 在DeepPlanning上，三种骨干模型的平均规划精度较各自最强基线提升2.3至7.3个百分点。[1]

  • Qwen3.6-27B在Shopping Planning任务上超越Claude Opus 4.6(max)，且使用更少的LLM调用和输出token。[1]

  • SealQA实验进一步证明了该方法在问答任务上的改进效果。[1]

相关 · 论文

Axiom Math 融资 16 亿美元，为 AI 数学构建可验证基础

11月6日 周五·AI 72

BEAKER：面向自动驾驶化学实验室的具身智能基准发布

11月5日 周四·AI 68

FrontierPhysics 基准发布：56 项任务考察智能体端到端物理研究

11月5日 周四·AI 78

HALO 人形机器人系统：仿真训练实现零样本真机迁移，成功率 91%

11月5日 周四·AI 82

本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。

去论坛讨论