LinTree migliora il ragionamento dei LLM con storie di ricerca strutturate

Un nuovo preprint su arXiv (2605.31492) introduce LinTree, un metodo che migliora il ragionamento dei modelli linguistici di grandi dimensioni (LLM) strutturando esplicitamente le storie di ricerca. L'articolo sostiene che gli LLM generano tracce intermedie simili ad alberi di ricerca linearizzati, in cui il modello estende, abbandona e torna indietro su soluzioni parziali. A differenza della ricerca euristica tradizionale, questo approccio condiziona l'intera traccia di ricerca piuttosto che solo lo stato locale. Esperimenti in Blocks World, grid Navigation e Sokoban mostrano che l'accesso grezzo alla cronologia di ricerca da solo non supera in modo affidabile la ricerca euristica. LinTree affronta questo problema strutturando la cronologia per guidare meglio il ragionamento. Il lavoro evidenzia il potenziale della strutturazione esplicita della cronologia di ricerca per migliorare le prestazioni dei LLM in compiti di ragionamento complessi.