这项由乔治亚大学的李佳熙、石雨承、陆金团队以及香港理工大学的刘宁豪教授合作完成的研究发表于2025年10月，论文编号为arXiv:2510.03632v1。感兴趣的读者可以通过这个编号查询完整的技术论文。
当我们面对复杂问题时，往往需要反复思考和尝试不同的解决路径。比如在解数学题时，我们可能先尝试一种方法，发现行不通后换另一种思路，最终找到正确答案。现在的大型语言模型也面临着同样的挑战，它们在处理复杂推理任务时，往往只能沿着单一路径思考，一旦走错就很难回头。
研究团队发现了一个有趣的现象：虽然现有的一些方法能让AI探索多种思路，但这些方法要么计算成本极高，要么无法准确判断哪条思路更有希望。就像一个探险者在迷宫中盲目地尝试每一条路径，既浪费时间又消耗体力。为了解决这个问题，研究团队开发了一套名为MITS（互信息树搜索）的全新框架，让AI能够像一个经验丰富的侦探一样，在推理过程中既能探索多条线索，又能智能地判断哪些线索最有价值。
这项研究的核心创新在于引入了信息论中的"点互信息"概念作为评估标准。简单来说，就是教会AI如何判断某个推理步骤对解决特定问题究竟有多大帮助。传统
