新學習推理方法：集體蒙特卡羅樹搜索（Collective Monte Carlo Tree Search, CoMCTS）

原標題：將集體學習引入樹搜索，新方法CoMCTS實現o1-like的推理與反思
文章來源：機器之心
內容字數：6645字

Mulberry: 賦能多模態大語言模型的逐步推理能力

本文介紹了名為Mulberry的新型多模態大語言模型(MLLM)，它通過一種名為集體蒙特卡羅樹搜索(CoMCTS)的新方法，顯著提升了MLLM在復雜推理任務中的性能。現有MLLM在簡單任務上表現出色，但在復雜推理方面仍存在不足，本文旨在解決這一問題。

1. 挑戰與CoMCTS的提出

傳統樹搜索方法如MCTS應用于MLLM推理路徑搜索效果不佳，主要原因在于搜索有效性和效率兩方面：傳統的MCTS方法依賴于自我引導，而當前MLLM的訓練缺乏明確的中間推理步驟，導致搜索陷入低質量節點；此外，傳統MCTS效率低下，每次迭代僅擴展一個節點，計算成本高昂。為解決這些問題，本文提出了CoMCTS。CoMCTS的核心思想是將集體學習引入樹搜索，通過多個MLLM的協同工作，高效地搜索有效的推理路徑。

2. CoMCTS算法詳解

CoMCTS算法包含四個關鍵操作：擴展(Expansion)、模擬與錯誤定位(Simulation and Error Position)、反向傳播(Backpropagation)和選擇(Selection)。

1. 擴展：利用多個MLLM協同擴展多個候選推理路徑，避免單一模型陷入低質量節點。
2. 模擬與錯誤定位：多個模型共同模擬候選節點的值，過濾掉低分節點，提高效率。
3. 反向傳播：自底向上更新推理樹中節點的統計信息。
4. 選擇：根據上置信界限(UCB)值選擇下一個搜索節點。

CoMCTS還通過整合正負推理節點構建反思性推理路徑，進一步提升模型的推理能力。

3. Mulberry模型及實驗結果

利用CoMCTS構建了Mulberry-260K數據集，并訓練了一系列Mulberry模型。實驗結果表明，Mulberry模型在多個基準測試中顯著優于現有開源MLLM，并在與閉源模型的比較中展現出競爭力。消融實驗也驗證了CoMCTS各個組件的有效性，特別是集體學習機制和反思學習機制的貢獻。

4. 主要貢獻與結論

本文的主要貢獻在于提出了CoMCTS算法，該算法通過集體學習和反思學習機制，有效提升了MLLM的推理能力。Mulberry模型的成功證明了CoMCTS方法的有效性和實用性，為未來MLLM的研究提供了新的方向。

聯系作者

文章來源：機器之心
作者微信：
作者簡介：專業的人工智能媒體和產業服務平臺