LATS/树搜索相比 ReAct 多了什么?什么时候值得使用?
题目
LATS/树搜索相比 ReAct 多了什么?什么时候值得使用?
参考答案
点击展开参考答案
- ReAct 通常沿一条轨迹逐步行动;LATS 一类方法在关键状态生成多个候选动作/计划,借助环境、测试或价值评估扩展与回溯,减少“一条路走到底”的局部最优。
- 代价是分支数 × 深度带来的模型、工具和状态复制成本,且弱 Judge 会把搜索引向错误分支。
- 只有任务存在真实分叉、结果可验证、错误路径可安全模拟,并且质量收益覆盖成本时才值得,例如代码修复、可执行规划和谜题。
- 客服写操作、实时低延迟或主观任务通常不适合。
- 实现需共享前缀/环境快照、限制 beam/深度/预算、去重等价状态,并用强 ReAct 基线比较 pass^k、P99 和每成功任务成本。