MCTS在每个决策点都能建议严格更优的动作，为训练提供清晰监督信号，绕过了LLM策略梯度RL面临的信用分配难题

“与LLM使用的策略梯度RL不同，AlphaGo的MCTS在每个决策点都能建议一个严格更优的动作，这为训练提供了一个清晰的监督信号，有效绕过了信用分配难题。”

当前循环神经网络在数百个时间步后性能显著下降，而人脑能对跨越任意长时间的事件做信用分配，这得益于大脑高效且有针对性的遗忘机制以及意识与情感对信息存取的作用。

“当前的循环神经网络在处理数百个时间步后性能会显著下降，而人类能够对跨越任意长时间的事件进行信用分配。”