重新审视LLM的树搜索：用Gumbel与Sequential Halving实现预算可扩展的推理

神经树搜索是一种强大的决策算法，广泛应用于博弈和基于模型的强化学习等复杂领域。近期工作将AlphaZero式树搜索用于增强大语言模型（LLM）推理阶段的能力，但我们发现该途径存在尺度失效问题：在GSM8K和Game24上，准确率随搜索预算的增加而下降。本文提出ReSCALE，一种对Gumbel AlphaZero MCTS的改造，用Gumbel采样和Sequential Halving替换Dirichlet噪声与PUCT选择，在不改动模型及其训练的情况下恢复了单调的预算扩展特性。在基线出现性能退化的预算下，ReSCALE在GSM8K上达到58.4\%，在Game24上达到85.3\%。消融实验证实Sequential Halving是这一改进的主要驱动力。