微软和佐治亚理工学院、华东师范大学合作开发了该算法，整合了强化学习（reinforcement learning）和蒙特卡洛树搜索 （MCTS） 能力，在复杂决策环境中，进一步提高解决问题的有效性。
微软研究团队表示 XOT 方法可以让语言模型扩展到不熟悉的问题上，在 Game of 24、8-Puzzle 和 Pocket Cube 严苛测试中提升明显。结果表明，XOT 明显优于其他方法，甚至解决了其他方法失败的问题。但是，XOT 并没有达到 100% 的可靠性。
XOT 框架包括以下关键步骤:
·预训练阶段：MCTS 模块在特定任务上进行预训练，以学习有关有效思维搜索的领域知识。轻量级策略和价值网络指导搜索。思想搜索: 在推理过程中，预训练的 MCTS 模块使用策略 / 价值网络来有效地探索和生成 LLM 的思想轨迹。
· 思想修正：LLM 审查 MCTS 的思想并识别任何错误。修正的想法是通过额外的 MCTS 模拟产生的。
· LLM 推理: 将修改后的想法提供给 LLM 解决问题的最终提示。
本文内容不用于商业目的，如涉及知识产权问题，请权利人联系51Testing小编(021-64471599-8017)，我们将立即处理
