MCTS 之所以能在围棋上干净利落地发挥作用，是因为价值估计是具体确定的，而且动作空间的可重访性足够高，使得基于访问次数的探索奖励真正有意义；但同样的 PUCT 式启发式方法很可能无法迁移到 LLM 推理上，因为词元序列的空间太过庞大、太过开放，难以重复访问。

Eric Jang 解释了为什么 MCTS 无法直接移植到 LLM 上：围棋具体确定的价值估计、以及有限且可重复访问的动作空间，让 PUCT 能够有效地剪枝搜索树；但语言的动作空间在组合数量上过于庞大，这削弱了同样的探索启发式方法的效果。 ✦ AI 生成 · 平台预翻

Eric Jang · Dwarkesh Podcast · 2026-05-15 · English original →

但有两点让 MCTS 在围棋上变得非常简单。价值估计是具体的。你可以真正地把它确定下来，然后就像你说的那样，用它来截断深度。广度也是确定的。关键在于，那种反复访问并扩展搜索树的动作选择算法，非常适合围棋这个问题的规模和深度。

But there are two things that make MCTS very simple for Go. Value estimation is concrete. You can determine it for real, and then you can use it to truncate depth, as you said. The breadth is also determined. What’s critical is that the action selection algorithm, where you iteratively visit and grow the tree, is well suited for the size and depth of problem that Go is.

回到原声 ↗逐字转录 · 起于 105:47 · 中文为平台译文