PathFinder：基于 LLM 反馈和 MCTS 的多跳问答新方法

这项研究探索了一种通过结合蒙特卡洛树搜索 (MCTS) 和来自大型语言模型 (LLM) 的反馈来改进多跳问答的新方法。 这篇论文可能通过利用搜索和语言建模两者的优势，展示了该领域潜在的重大进展。

• •核心创新在于集成 MCTS 用于路径选择。
• •系统使用 LLM 反馈来指导 MCTS 的搜索过程，提高准确性。
• •此方法旨在提高多跳问答的性能。