10:45arXiv cs.AI@Liwei Kang, Yee Whye Teh, Wee Sun Lee精选该论文研究了大型语言模型(LLM)在推理过程中如何利用搜索历史。作者发现,LLM通常将搜索树线性化为中间轨迹,但仅凭隐式表示的历史不足以超越传统启发式搜索。通过引入显式的父指针(LinTree结构),模型能更清晰地回溯和切换分支,从而在Blocks World、网格导航和Sokoban等任务中显著提升性能和搜索效率。这表明,显式化搜索树的树结构能更好地发挥历史信息的优势,为LLM推理提供更结构化的表示方法。论文推理模型搜索树LLM推理结构化表示启发式搜索推荐理由:如果你在做LLM推理或搜索增强的AI系统,这篇论文指出了隐式搜索历史的瓶颈,并提供了一个简单有效的改进方向——显式父指针。做推理模型或规划算法的开发者值得一看。原文