AI版三个臭皮匠！ChatGPT/Gemini/DeepSeek合体拿下AGI测试最高分

ChatGPT的对话流畅性、Gemini的多模态能力、DeepSeek的长上下文分析……这些模型能否强强联合，共同解决问题？由Transformer作者之一Llion Jones创立的Sakana AI提出了一种新方法——AB-MCTS（自适应分支蒙特卡洛树搜索）。其核心思想是：最伟大的成就源于不同思想的协作，这一原则同样适用于AI。

AB-MCTS是一种让多个AI模型协同工作的算法。模型之间交换并完善建议，像人类团队一样合作。在ARC-AGI-2基准测试中，结合ChatGPT、Gemini和DeepSeek的AB-MCTS解决了30%的谜题，而顶尖独立模型仅解决23%。某些情况下，只有模型组合才能得出正确答案。

该算法结合了深度搜索（完善现有方案）和广度搜索（尝试全新方法），通过“无界分支”特性动态扩展搜索树。每个节点附带一个GEN子节点，用于生成新候选响应，同时利用贝叶斯后验预测分布和Thompson采样平衡探索与利用。Sakana AI还提出了两个变体：AB-MCTS-M（更分层，适合复杂任务）和AB-MCTS-A（更轻量，计算高效）。

实验表明，AB-MCTS在多种基准测试中表现优异。例如，在LiveCodeBench和CodeContest中，它在预算增加时显著优于基线方法；在挑战性极高的ARC-AGI测试中，AB-MCTS动态调整搜索范围，性能接近重复采样的强大基线。此外，AB-MCTS-M在MLE-Bench竞赛中表现出色，显示了其适应不同任务的能力。

这项研究灵感来源于自然界的进化与集体智能。Sakana AI此前开发了达尔文-哥德尔机（DGM），通过开放式搜索和自我修改生成解决方案。AB-MCTS正是基于这种“混合以使用”的理念，将现有强大AI模型的优势充分发挥。

论文与代码已开源，详情可见以下链接：
论文：https://arxiv.org/abs/2503.04412
算法（TreeQuest）: https://github.com/SakanaAI/treequest
ARC-AGI实验：https://github.com/SakanaAI/ab-mcts-arc2