GATS：無需 LLM 推理調用的高效代理規劃框架
GATS 是一個全新的規劃框架，透過分層世界模型與系統化的 UCB1 樹狀搜尋，取代了昂貴的 LLM 推理。該框架在複雜任務中實現了 100% 的成功率，並在規劃階段完全消除了 LLM 的調用需求。
Search
Tag: #tree-search5 results
Arbor：作為自主代理認知層的樹狀搜尋框架
Arbor 是一個全新的多代理框架，利用結構化樹狀搜尋作為共享工作記憶，以優化自主代理的效能。透過協調器與評論家代理的架構，該系統在複雜的推論任務中取得了顯著的效能提升。
DST：思維樹的即插即用高效預測器
DST 引入輕量級即插即用預測器，作為監督式啟發式引導 LLM 中的思維樹（ToT）搜尋。它實現動態、情境感知的剪枝，在簡單步驟近似貪婪效率，在複雜情況自適應擴展。評估顯示在推理基準上準確率與基準相當或優越，計算量減少 26-75%。
ATOM：用於分子優化的多智能體樹狀搜尋框架
ATOM 是一個全新的多智能體框架，將分子優化視為樹狀結構搜尋。透過在每個節點使用專門的智能體來協調路徑，該方法能有效改善衝突化學屬性之間的權衡。
以數學方法證明 NHL 季後賽晉級情境
AWS Generative AI Innovation Center 開發了一套自動化系統，用於精確判定 NHL 球隊何時以及如何取得季後賽席位。該系統結合限制式程式設計與自訂樹狀搜尋，並以四個完整 NHL 賽季的官方結果進行驗證。