Awesome_MCTS_LLM

Agent

数学推理

• ReST-MCTS∗: LLM Self-Training via Process Reward Guided Tree Search

  • 论文公布时间：2024年3月
  • 投/录用会议: NeurIPS 2024录用
  • 单位：清华，加利福尼亚大学
  • 贡献：
  • Code: Official

• MCTS-DPO: Monte Carlo Tree Search Boosts Reasoning via Iterative Preference Learning

  • 论文公布时间：2024年5月
  • 投/录用会议: NeurIPS 2024被拒
  • 单位：新加坡国立，Deepmind
  • 贡献：MCTS 迭代收集偏好数据，用于DPO更新policy model
  • Code: Official

方法创新点汇总