Sakana AI выпустила новое решение для масштабирования LLM
Эта работа принята на главную конференцию NeurIPS 2025.
Авторы предлагают адаптивный вариант Monte Carlo Tree Search для LLM. GitHub.
Главное новшество - метод на каждом шаге сам решает — генерировать новые ответы шире или дорабатывать уже существующие глубже. Решение принимается через Thompson Sampling с байесовскими обновлениями posterior-оценок.
Это один из первых фреймворков, который осмысленно комбинирует неограниченную генеративность LLM с многошаговым улучшением по внешнему feedback и при этом остаётся адаптивным к бюджету вычислений.
Эта работа принята на главную конференцию NeurIPS 2025.
Авторы предлагают адаптивный вариант Monte Carlo Tree Search для LLM. GitHub.
Главное новшество - метод на каждом шаге сам решает — генерировать новые ответы шире или дорабатывать уже существующие глубже. Решение принимается через Thompson Sampling с байесовскими обновлениями posterior-оценок.
Это один из первых фреймворков, который осмысленно комбинирует неограниченную генеративность LLM с многошаговым улучшением по внешнему feedback и при этом остаётся адаптивным к бюджету вычислений.