“模型三巨头”协作性能飙升30%，Sakana AI提出新型推理时扩展算法，让模型间协作性能大幅提升
发布时间：2025-07-182025年7月1日，日本Sakana AI公司提出一种名为自适应分支蒙特卡洛树搜索（AB-MCTS）的新型推理时扩展算法，通过让多个前沿模型协同工作，实现了AI的集体智能，使模型间协作性能大幅提升。
AB-MCTS受人类集体智慧的启发，认为不同模型的独特优势和偏见是解决问题的宝贵资源。该算法通过深度和广度两个方向的灵活搜索，使模型在发现有前景的解决方案时，既能不断优化，又能兼顾新方案的生成。与传统方法相比，AB-MCTS在调用相同数量模型的情况下，能够获得更好的答案。
Sakana AI进一步开发了Multi-LLM AB-MCTS系统，该系统不仅自适应探索搜索方向，还能动态选择最优模型。在ARC-AGI-2基准测试中，该系统将o4-mini、Gemini-2.5-Pro和DeepSeek-R1-0528等前沿模型结合，性能大幅超越单个模型，成功解决了超过30%的问题，显示出强大的集体智能优势。
本次方法表明，通过反复执行这些模型的推理过程，并通过结合具有独特个性的多个大模型可以进一步提升推理性能，从而为推理时扩展指明了新的方向。未来，Sakana AI 将基于这项研究重点关注 AI 进化和集体智能，力争开创更加新颖的 AI 系统。
https://mp.weixin.qq.com/s/cUkJhq04t_w9TmlKOvE1rg
来源：DeepTech深科技
