MCTS

MC-DML

[2504.16855] Monte Carlo Planning with Large Language Model for Text-Based Game Agents

主要解决的问题

解决了文字冒险游戏中 AI 规划效率低、缺乏语言理解与经验记忆能力。

面临挑战

• 游戏环境很复杂
• 传统的MCTS有局限性
• LLM难以将规划转化成可执行动作，且无法平衡探索与利用

核心方法

MC-DML（Monte Carlo planning with Dynamic Memory-guided Large language model）

• 四阶段规划流程：沿用 MCTS 的Selection, Expansion, Simulation, Backpropagation四阶段。在扩展阶段引入 LLM 作为先验策略，让 LLM 基于场景文本为可选动作分配非均匀搜索优先级；模拟阶段通过多轮推演评估动作结果，回溯阶段更新节点价值与访问次数。
• 双动态记忆机制：
  • 「 trial 内记忆（$M_i$）」：存储当前轨迹历史（如 “前一观测 - 动作 - 当前观测”），帮 LLM 结合当下语境生成动作概率分布；
  • 「 trial 间记忆（$M_c$）」：存储过去失败轨迹的反思（如 “无光源时勿入黑暗区域”），动态调整动作价值评估，避免重复犯错。
• 动作选择公式优化：在 PUCT（改进型 MCTS）公式基础上，将 LLM 生成的动作概率（结合双记忆）融入计算，确保选择既符合语言逻辑又兼顾探索-利用平衡。