Sakana AI 的 TreeQuest 透過多模型協作提升 AI 效能
日本 AI 實驗室 Sakana AI 發表了一項技術，可讓多個大型語言模型 (LLM) 合作，組成一個高效率的 AI 團隊。此方法命名為 Multi-LLM AB-MCTS，可讓模型進行試誤，利用其獨特優勢來處理任何單一模型無法處理的複雜任務。
對於企業而言，這種方法提供了建立更強大人工智慧系統的方法。企業可以動態地利用各種前沿模型的優勢，為每個任務區段分配最佳的人工智能，以達到最佳結果，而不是依賴於一個提供商或模型。
利用集體智慧
前沿人工智能模型發展迅速，根據其訓練資料和設計，每個模型都有明顯的優點和缺點。一個模型可能在編碼方面大放異彩，另一個則在創意寫作方面大放異彩。Sakana AI 團隊將這些差異視為資產，而非缺點。
"研究人員在部落格中指出：「我們認為這些獨特的能力是建立集體智慧的寶貴工具。他們認為，就像人類團隊透過多樣性實現突破一樣，AI 系統也能透過合作完成更多工作。「透過結合他們的優勢，AI 系統可以解決單一模型無法克服的挑戰」。
增強推理性能
Sakana AI 的演算法是一種「推理時擴展」技術（也稱為「測試時擴展」），在 AI 研究領域正逐漸受到重視。與專注於更大模型和資料集的「訓練時擴展」不同，「推理時擴展」是透過優化訓練後的計算資源來提升效能。
其中一種方法是使用強化學習來鼓勵模型產生詳細的思考連鎖 (CoT) 序列，如 OpenAI o3 和 DeepSeek-R1 等模型。另一種方法是重複取樣，促使模型多次產生不同的解決方案，類似於腦力激盪。Sakana AI 的方法完善了這些概念。
"Sakana AI 研究員兼論文合著者 Takuya Akiba 在接受 VentureBeat 訪問時表示：「我們的框架改進了 Best-of-N 取樣。"它透過強化學習增強了推理技術，例如擴展的 CoT。通過策略性地選擇搜索方法和合適的 LLM，它能在有限的調用範圍內優化性能，在複雜的任務中脫穎而出。"
Adaptive Branching Search 如何發揮功能
這項技術的核心是適應性分支蒙特卡洛樹搜尋 (AB-MCTS) 演算法。它使 LLM 能夠在 「深入搜尋」（完善有潛力的解決方案）和 「廣泛搜尋」（產生新解決方案）之間取得平衡，從而執行智慧型試誤。AB-MCTS 結合了這些策略，讓系統可以在需要時精煉想法或轉向新的想法。
這由 DeepMind 的 AlphaGo 所使用的決策演算法 Monte Carlo Tree Search (MCTS) 所提供。AB-MCTS 採用概率模型來決定每一步是精煉還是重新開始。
不同的測試時間縮放策略 資料來源：Sakana AISakana AI 多 LLM AB-MCTS 更進一步，不僅決定「做什麼」（精進或產生），還決定「使用哪個」LLM。一開始，系統不知道某項任務的最佳模型，因此會混合測試各種 LLM，隨著時間的推移，了解哪些 LLM 表現較佳，並為其分配更多工作。
測試 AI 團隊
多 LLM AB-MCTS 系統在 ARC-AGI-2 基準上進行評估，該基準測試在新問題上類似於人類的視覺推理能力，對於 AI 來說是一項艱鉅的挑戰。
團隊結合了 o4-mini、Gemini 2.5 Pro 和 DeepSeek-R1 等前沿模型。
模型集體解決了 120 個測試問題中超過 30% 的問題，遠遠超過任何單一模型的表現。系統動態地為每個任務指派最佳模型，在存在明確的解決路徑時，快速找出最有效的 LLM。
AB-MCTS vs 個別模型 資料來源：Sakana AISakana AI 值得注意的是，系統解決了之前任何單一模型都無法解決的問題。在一個例子中，來自 o4-mini 的錯誤解決方案經 DeepSeek-R1 與 Gemini-2.5 Pro 改良後，糾正了錯誤並送出了正確的答案。
"研究人員表示：「這顯示 Multi-LLM AB-MCTS 可以結合前沿模型來解決之前無法解決的挑戰，擴大集體 AI 智慧的極限。
AB-MTCS 可以在解決問題的不同階段選擇不同的模型 資料來源：Sakana AISakana AI 「每個模型的優勢和幻覺傾向各不相同，」Akiba 指出。「通過搭配幻覺風險較低的模型，我們可以同時實現強大的推理能力和可靠性，解決企業關心的關鍵問題」。
從研究到實際應用
Sakana AI 發布了 Apache 2.0 授權下的開放源碼框架 TreeQuest，讓開發人員和企業能夠實現 Multi-LLM AB-MCTS。其彈性的 API 可支援各種不同任務的客製化評分與邏輯。
"Akiba 表示：「我們仍在探索 AB-MCTS 以應對特定的商業挑戰，但其潛力顯而易見。
除了 ARC-AGI-2 基準之外，AB-MCTS 在複雜編碼和提高機器學習模型準確性等任務上也取得了成功。
「AB-MCTS在迭代試誤任務（如優化軟體性能指標）方面表現優異，」Akiba補充道。「例如，它可以自動降低網路服務的回應延遲」。
這款開放原始碼工具可實現新一代強大、可靠的企業級 AI 應用程式。
相關文章
字節跳動推出Seed-Thinking-v1.5 AI模型以提升推理能力
先進推理AI的競賽始於2024年9月OpenAI的o1模型，隨著2025年1月DeepSeek的R1推出而加速。主要AI開發商現正競相打造更快、更具成本效益的推理AI模型，通過思維鏈過程提供精確、深思熟慮的回應，確保回答前的準確性。字節跳動，TikTok的母公司，推出Seed-Thinking-v1.5，一款在技術論文中概述的新大型語言模型（LLM），旨在增強STEM及一般領域的推理能力。該模型尚
Qodo與Google Cloud合作為開發者提供免費AI程式碼審查工具
Qodo，一家專注於程式碼品質的以色列AI編碼新創公司，與Google Cloud合作推出夥伴關係，以提升AI生成軟體的完整性。隨著企業越來越依賴AI進行編碼，對強大監督和品質保證工具的需求日益增長。Qodo執行長Itamar Friedman指出，AI生成程式碼現已成為現代開發的核心。「想像一個未來，AI撰寫所有程式碼；人類無法全部審查，」Friedman說。「我們需要系統確保程式碼符合預期價值
AI同理心訓練降低準確性，增加風險
像ChatGPT這樣設計為具有同理心和友好的聊天機器人，更容易為了取悅用戶而提供錯誤答案，特別是當用戶顯得情緒低落時。研究顯示，這類AI在用戶顯得脆弱時，高達30%的機率會提供錯誤資訊、支持陰謀論或肯定錯誤信念。 將科技產品從小眾市場轉向主流市場一直是個有利可圖的策略。在過去25年中，計算機和網路存取從依賴技術支援的複雜桌面系統，轉變為以簡化為優先的行動平台，犧牲了部分客製化功能以換取易
評論 (0)
0/200
日本 AI 實驗室 Sakana AI 發表了一項技術，可讓多個大型語言模型 (LLM) 合作，組成一個高效率的 AI 團隊。此方法命名為 Multi-LLM AB-MCTS，可讓模型進行試誤，利用其獨特優勢來處理任何單一模型無法處理的複雜任務。
對於企業而言，這種方法提供了建立更強大人工智慧系統的方法。企業可以動態地利用各種前沿模型的優勢，為每個任務區段分配最佳的人工智能，以達到最佳結果，而不是依賴於一個提供商或模型。
利用集體智慧
前沿人工智能模型發展迅速，根據其訓練資料和設計，每個模型都有明顯的優點和缺點。一個模型可能在編碼方面大放異彩，另一個則在創意寫作方面大放異彩。Sakana AI 團隊將這些差異視為資產，而非缺點。
"研究人員在部落格中指出：「我們認為這些獨特的能力是建立集體智慧的寶貴工具。他們認為，就像人類團隊透過多樣性實現突破一樣，AI 系統也能透過合作完成更多工作。「透過結合他們的優勢，AI 系統可以解決單一模型無法克服的挑戰」。
增強推理性能
Sakana AI 的演算法是一種「推理時擴展」技術（也稱為「測試時擴展」），在 AI 研究領域正逐漸受到重視。與專注於更大模型和資料集的「訓練時擴展」不同，「推理時擴展」是透過優化訓練後的計算資源來提升效能。
其中一種方法是使用強化學習來鼓勵模型產生詳細的思考連鎖 (CoT) 序列，如 OpenAI o3 和 DeepSeek-R1 等模型。另一種方法是重複取樣，促使模型多次產生不同的解決方案，類似於腦力激盪。Sakana AI 的方法完善了這些概念。
"Sakana AI 研究員兼論文合著者 Takuya Akiba 在接受 VentureBeat 訪問時表示：「我們的框架改進了 Best-of-N 取樣。"它透過強化學習增強了推理技術，例如擴展的 CoT。通過策略性地選擇搜索方法和合適的 LLM，它能在有限的調用範圍內優化性能，在複雜的任務中脫穎而出。"
Adaptive Branching Search 如何發揮功能
這項技術的核心是適應性分支蒙特卡洛樹搜尋 (AB-MCTS) 演算法。它使 LLM 能夠在 「深入搜尋」（完善有潛力的解決方案）和 「廣泛搜尋」（產生新解決方案）之間取得平衡，從而執行智慧型試誤。AB-MCTS 結合了這些策略，讓系統可以在需要時精煉想法或轉向新的想法。
這由 DeepMind 的 AlphaGo 所使用的決策演算法 Monte Carlo Tree Search (MCTS) 所提供。AB-MCTS 採用概率模型來決定每一步是精煉還是重新開始。
多 LLM AB-MCTS 更進一步，不僅決定「做什麼」（精進或產生），還決定「使用哪個」LLM。一開始，系統不知道某項任務的最佳模型，因此會混合測試各種 LLM，隨著時間的推移，了解哪些 LLM 表現較佳，並為其分配更多工作。
測試 AI 團隊
多 LLM AB-MCTS 系統在 ARC-AGI-2 基準上進行評估，該基準測試在新問題上類似於人類的視覺推理能力，對於 AI 來說是一項艱鉅的挑戰。
團隊結合了 o4-mini、Gemini 2.5 Pro 和 DeepSeek-R1 等前沿模型。
模型集體解決了 120 個測試問題中超過 30% 的問題，遠遠超過任何單一模型的表現。系統動態地為每個任務指派最佳模型，在存在明確的解決路徑時，快速找出最有效的 LLM。
值得注意的是，系統解決了之前任何單一模型都無法解決的問題。在一個例子中，來自 o4-mini 的錯誤解決方案經 DeepSeek-R1 與 Gemini-2.5 Pro 改良後，糾正了錯誤並送出了正確的答案。
"研究人員表示：「這顯示 Multi-LLM AB-MCTS 可以結合前沿模型來解決之前無法解決的挑戰，擴大集體 AI 智慧的極限。
「每個模型的優勢和幻覺傾向各不相同，」Akiba 指出。「通過搭配幻覺風險較低的模型，我們可以同時實現強大的推理能力和可靠性，解決企業關心的關鍵問題」。
從研究到實際應用
Sakana AI 發布了 Apache 2.0 授權下的開放源碼框架 TreeQuest，讓開發人員和企業能夠實現 Multi-LLM AB-MCTS。其彈性的 API 可支援各種不同任務的客製化評分與邏輯。
"Akiba 表示：「我們仍在探索 AB-MCTS 以應對特定的商業挑戰，但其潛力顯而易見。
除了 ARC-AGI-2 基準之外，AB-MCTS 在複雜編碼和提高機器學習模型準確性等任務上也取得了成功。
「AB-MCTS在迭代試誤任務（如優化軟體性能指標）方面表現優異，」Akiba補充道。「例如，它可以自動降低網路服務的回應延遲」。
這款開放原始碼工具可實現新一代強大、可靠的企業級 AI 應用程式。
字節跳動推出Seed-Thinking-v1.5 AI模型以提升推理能力
先進推理AI的競賽始於2024年9月OpenAI的o1模型，隨著2025年1月DeepSeek的R1推出而加速。主要AI開發商現正競相打造更快、更具成本效益的推理AI模型，通過思維鏈過程提供精確、深思熟慮的回應，確保回答前的準確性。字節跳動，TikTok的母公司，推出Seed-Thinking-v1.5，一款在技術論文中概述的新大型語言模型（LLM），旨在增強STEM及一般領域的推理能力。該模型尚
Qodo與Google Cloud合作為開發者提供免費AI程式碼審查工具
Qodo，一家專注於程式碼品質的以色列AI編碼新創公司，與Google Cloud合作推出夥伴關係，以提升AI生成軟體的完整性。隨著企業越來越依賴AI進行編碼，對強大監督和品質保證工具的需求日益增長。Qodo執行長Itamar Friedman指出，AI生成程式碼現已成為現代開發的核心。「想像一個未來，AI撰寫所有程式碼；人類無法全部審查，」Friedman說。「我們需要系統確保程式碼符合預期價值
AI同理心訓練降低準確性，增加風險
像ChatGPT這樣設計為具有同理心和友好的聊天機器人，更容易為了取悅用戶而提供錯誤答案，特別是當用戶顯得情緒低落時。研究顯示，這類AI在用戶顯得脆弱時，高達30%的機率會提供錯誤資訊、支持陰謀論或肯定錯誤信念。 將科技產品從小眾市場轉向主流市場一直是個有利可圖的策略。在過去25年中，計算機和網路存取從依賴技術支援的複雜桌面系統，轉變為以簡化為優先的行動平台，犧牲了部分客製化功能以換取易
