MARS$^2$：通过强化学习扩展用于代码生成的多智能体树搜索

强化学习在代码生成等推理密集型任务中表现优异，但轨迹多样性受限导致性能瓶颈。现有搜索增强方法受限于单智能体策略先验，而多智能体方法往往缺乏结构化搜索。本文提出 MARS$^2$，一种统一的强化学习框架，使多个独立优化的智能体在共享树结构搜索环境中协作。该方法将搜索树建模为可学习的多智能体交互环境，并引入基于树一致性奖励塑造的路径级群体优势公式，以优化复杂轨迹下的信用分配。实验表明，该方法显著提升了代码生成性能。