#MCTS

4 篇

Efficient LLM-based Subgraph Retrieval for Multi-Hop Knowledge Base Question Answering

基于 LLM 的高效子图检索用于多跳知识库问答

🧭 MCTS + LLM 图检索 · 多跳 KBQA

用 MCTS 将子图探索转为树搜索，结合 LLM 引导节点筛选，在 WebQSP 上 Hits@1 达 78.88% 并提升效率

📌 工作参考价值（3 点）

在电商商品知识图谱的多跳推理或可解释召回中，可借鉴 MCTS 将子图扩展变成树搜索：对每个候选节点计算 relevance score 并回传剪枝，避免按 hop 全量扩张带来的候选爆炸，显著降低线上推理延迟。
LLM 不做最终答案生成，而是作为搜索方向 refine 器：每一步用 LLM 判断当前节点/关系是否与 query 相关，可减少纯符号搜索的盲目性；类似思路可用于 RAG 的图索引检索或 query 到 KG 的映射，控制 LLM 调用成本。
节点评分反馈机制可作为召回阶段的 hard filtering：先粗召回，再用轻量打分/LLM 过滤不相关节点，适合 latency 敏感场景；在商品图谱问答或导购 Agent 中可先 MCTS 缩小候选，再进精排。

Reasoning | 2026-10-29 | cs.IR | score 6/10

Dynamic Harness Search: Building Multi-Agent Systems Per-Query via Prediction

动态 Harness 搜索：按查询预测构建多智能体系统

🧭 成本敏感的按 query 多智能体编排搜索 ★ 深度解读

Google · Arizona State University

SHIFT 用本地小模型预测 harness 效用并以 MCTS 按查询构造多 Agent 系统，无需在线执行候选，精度与成本双优

📌 工作参考价值（4 点）

把 agent harness 定义为可执行图（roles/directives/tools/edges），在请求级用本地小模型（如 Gemma-2B + LoRA）做 MCTS 选择，而不是固定 pipeline；电商场景可按 query 决定是否需要「检索→规划→校验」多人链路，还是仅一个 reader/单步商品查询，降低高耗时多 Agent 编排的无效消耗。
成本敏感的价值函数值得直接复用：reward=成功项 - 归一化 token/latency/tool/agent 惩罚，用 binary cross-entropy + pairwise ranking loss 训练 value head；线上可选择 value 最高的 harness 而非最强 harness，类似路由/降级策略，在牺牲极小精度下大幅省 token。
搜索只在本地模型内完成，候选执行不进入在线路径；MCTS 用虚拟损失实现批量并行，H100 上构造 harness <1s，在线成本接近固定编排。适合已有 workflow/Agent 编排平台做逐 query 编排，或作为 offline 训练 policy、online value 决策的两段式部署。
动作空间从最小 harness（single Coder 无 tools）开始，40 个 action 共享跨 domain 的结构/指令，工具权限随 domain 变化；这种冷启动方式可迁移到新的商品类目/垂直搜索，通过少量执行数据训练 architect，再迁移到更难任务。

MultiAgent | 2026-10-01 | HF Daily | score 9/10

Multi-Agent Systems MCTS LoRA Value Function Workflow Optimization Cost-Aware

Towards Effective Structured Context Modeling for Conversational Recommender Systems via Dual-node Monte Carlo Tree Search

面向对话推荐系统的双节点蒙特卡洛树搜索结构化上下文建模

🧭 对话推荐 · 结构化状态 + MCTS ★ 深度解读

College of Computer Science, Sichuan University · Institute of Data Science, National University of Singapore · School of Computing and Information Systems, Singapore Management University · Engineering Research Center of Machine Learning and Industry Intelligence, Ministry of Education, China

提出 DREAMS，用双节点 MCTS 在结构化偏好状态上联合优化偏好引导与利用，平均成功率提升约 7.4%

📌 工作参考价值（4 点）

用显式结构化偏好状态（JSON key-value）替代直接用对话历史做 embedding 或 prompt，把隐含负面偏好（如“不喜欢 Spike Lee 风格”）解析成可消费的约束，并跨轮累计。电商导购/客服可维护用户属性状态（不喜欢品牌/材质/价格段），避免重复推荐已否定属性。
将“何时问/何时推”建模为 MCTS 搜索，节点保存结构化状态而非自由文本，用 LLM 先验 + UCT 选择动作，可减少粗粒度动作错误和无效追问。电商导购机器人可借鉴树搜索模拟用户反馈，决策澄清问题或直接推荐。
偏好利用侧做 query refinement：从累积状态生成多个候选查询（删冗余、转成机器可读约束），逐个检索并用属性匹配打分，选最优查询，而不是用整个对话历史编码。可迁移到电商搜索的 query 改写/意图澄清：先结构化成约束，再生成检索请求。
工程上，MCTS 延迟可用经验库（EKB）缓存成功/失败轨迹，检索相似案例 warm-start，减少在线搜索，论文中延迟降到 9s 且性能仍可接受（R@1=0.467）。适合低延迟电商场景。

RecSys | 2026-09-01 | cs.IR | score 8/10

Conversational Recommendation MCTS Structured State Preference Tracking LLM

Planning over Matrix-Factorization MDPs for Candidate Generation

基于矩阵分解MDP的候选列表规划

🧭 动态感知的MF候选生成规划 ★ 深度解读

AI VK · Lomonosov Moscow State University

在固定MF嵌入上增加闭式秩一更新的前瞻规划，使检索列表感知用户状态变化

📌 工作参考价值（4 点）

对现有MF检索管线几乎零改动：仅需缓存后验矩阵 \(A^{-1}\)、复用已有item embedding，用闭式 Sherman‑Morrison 更新完成单步前瞻（Plan‑1），计算成本 \(O(d^2)\)，可快速集成到粗排或召回后重排。
必须用余弦相似度替代内积：内积与物品流行度高度纠缠，导致规划偏向热门 item，余弦相似度是让规划生效的前提，业务上务必做相似度形式的消融验证。
在全局时间切分（GTS）下规划增益不一定成立，因为物品流行度、用户行为分布会随时间段漂移，乐观的“推荐即接受”假设失效；实际部署前必须用未来时段数据验证，只在验证显示序列结构时启用 Plan‑K。
MCTS 可采用 ANN 索引限制每个节点的候选动作数（Wolpertinger 风格），配合余弦先验的 UCT 探索项保持对数遗憾界，控制树搜索开销。

RecSys | 2026-07-02 | cs.IR | score 8/10

matrix factorization MDP planning candidate generation reinforcement learning MCTS