用蒙特卡洛树搜索增强LLM，让日常任务规划更靠谱
llm-mcts 是一个将大型语言模型与蒙特卡洛树搜索（MCTS）结合的框架，旨在提升日常任务规划中的推理能力。该项目来自 NeurIPS 2023，核心思路是将 LLM 用作常识世界模型和启发式策略，通过 MCTS 的搜索机制探索更优的决策路径。它解决了单纯依赖 LLM 直接生成计划时推理深度不足、容易陷入局部最优的问题。项目提供了完整的训练和推理代码，支持在 ALFWorld 等文本交互环境中进行任务规划实验。通过将 LLM 的生成能力与 MCTS 的系统性搜索相结合，实现了更稳健、更合理的决策序列。
Tree of Thoughts、LLM+P、Reasoning via Planning
llm-mcts 是模型训练领域的开源项目，由 1989Ryan 开发，2023 年首次发布。
它收录于模型训练分类，该分类目前共有 522 个项目，GitHub 星标数为 303。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-08。Apache-2.0 许可证，可自由使用和部署，无付费版本。
它主要面向的使用场景是：日常任务规划（如家务、导航）。同类可对比的替代方案包括 Tree of Thoughts、LLM+P、Reasoning via Planning。
下一篇：makeMoE
Long-RL
开源
让强化学习轻松驾驭超长序列，训练更稳更快
Long-RL: Scaling RL to Long Sequences (NeurIPS 2025)
TPA
开源
把注意力复杂度从平方降到线性，长序列不再卡顿
[NeurIPS 2025 Spotlight] TPA: Tensor ProducT ATTenTion Transformer (https://arxiv.or···
minimind
开源
两小时造出你的小模型，练手入门不求人
Train a 64M-parameter LLM from scratch in just 2h!
pruna
开源
一键优化 AI 模型，推理提速又省资源。
Pruna is a model optimization framework built for developers, enabling you to delive···
