Empirical-MCTS：通过双经验蒙特卡洛树搜索实现连续智能体进化

推理时的扩展策略，特别是蒙特卡洛树搜索（MCTS），显著增强了大语言模型（LLMs）的推理能力。然而，当前方法主要为无状态，每次问题实例后丢弃成功推理模式，无法模仿人类问题解决中经验积累的特点。为弥补这一差距，我们引入Empirical-MCTS，一种双循环框架，将无状态搜索转化为连续、非参数化的学习过程。该框架通过两种新机制统一局部探索与全局记忆优化：成对经验进化元提示（PE-EMP）和记忆优化智能体。PE-EMP在局部搜索中作为反射优化器，利用成对反馈动态合成自适应标准并实时演化元提示（系统提示）。同时，记忆优化智能体管理一个全局存储库作为动态策略先验，使用原子操作跨问题提炼高质量见解。在复杂推理基准测试（包括AIME25、ARC-AGI-2和MathArena Apex）上的广泛评估表明，Empirical-MCTS显著优于无状态MCTS策略和独立经验驱动的智能体。这些结果强调了结构化搜索与经验积累相结合对于掌握复杂、开放性推理任务的关键必要性。