标签：蒙特卡洛树搜索

北京交通大学的研究团队最近低调发布了一个名为 O1-CODER 的新项目，该项目专注于编码任务，并且所有源代码、精选数据集及衍生模型均已完全开源。研究团队认为，编码是一项需要深思熟虑、逻辑严谨、逐步解决问题的典型任务，属于 System-2 思维方式。为了提升模型的 System-2 能力，他们创新地将强化学习（RL）与蒙特卡洛树搜索（MCTS）相结合，使模型能够自动生成推理数据，从而不断提升其逻辑推理能力。 在实验中，研究团队得出了几个关键结论： - 当推理正确时，基于伪代码的推理显著提高了代码生成的质量。 - 将监督微...