世界模型

Revisiting Tree Search for LLMs: Gumbel and Sequential Halving for Budget-Scalable Reasoning

重新审视用于大语言模型的树搜索：Gumbel与顺序削减用于可扩展的推理

Leonid Ugadiarov, Yuri Kuratov, Aleksandr Panov, Alexey Skrynnik

专题命中 模型式强化学习 ：model-based reinforcement learning(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出ReSCALE，通过将Gumbel采样和顺序削减替代传统方法，实现大语言模型在推理中的可扩展推理能力提升，解决了搜索预算增加时准确率下降的问题。

Comments The paper has been accepted to the ICAPS-2026 conference. 5 pages, 2 figures

Sliding Puzzles Gym: A Scalable Benchmark for State Representation in Visual Reinforcement Learning

滑动拼图健身房：一种可扩展的用于视觉强化学习状态表示的基准

Bryan L. M. de Oliveira, Luana G. B. Martins, Bruno Brandão, Murilo L. da Luz, Telma W. de L. Soares, Luckeciano C. Melo

机构 * Advanced Knowledge Center for Immersive Technologies -- AKCIT, Brazil（沉浸式技术高级知识中心 -- AKCIT，巴西） ； OATML, University of Oxford, United Kingdom（OATML，牛津大学，英国） ； Institute of Informatics, Federal University of Goiás, Goiânia, Brazil（信息学院，戈亚尼亚联邦大学，巴西） 纠错

专题命中 模型式强化学习 ：model-based RL(abstract)；分类 cs.LG

AI总结 本文提出Sliding Puzzles Gym，通过调整网格大小和图像池来控制视觉表示复杂度，评估视觉表示学习能力，发现现有方法在处理视觉多样性时存在局限。

Comments Accepted at ICML 2025

Journal ref Proceedings of Machine Learning Research 267:12689-12717, 2025