固定预算下最大化展开信息量：工具使用代理强化学习中树搜索的次模视角

本文形式化了固定预算下的展开信息量（RIFB），证明独立采样器在困难提示下存在性能崩溃。为此，作者将中间状态选择重构为单调次模最大化问题，并提出不确定性感知置信上界（UUCB）。在此基础上，推出了 InfoTree 训练时树搜索框架，结合自适应预算分配器与异步推测扩展机制。实验表明，该方法在数学推理、网页搜索及代码生成等九个基准上显著优于现有基线，有效提升了样本效率与鲁棒性。