Gemeinsames Wissensensemble Von Suchbäumen

Shared Knowledge Ensemble of Search Trees (SKEST) ist ein neuartiger Suchalgorithmus, der im Februar 2025 von Google DeepMind vorgeschlagen wurde. Er kann mehrere Strahlensuchen mit unterschiedlichen Konfigurationen parallel ausführen und ihnen ermöglichen, sich durch einen Wissensaustauschmechanismus gegenseitig zu unterstützen. Die entsprechenden Forschungsergebnisse wurden in der Veröffentlichung „Goldmedaillengewinnerleistung beim Lösen von Olympiade-Geometrie mit AlphaGeometry2".

Das Arbeitsprinzip von SKEST ist wie folgt:

In jedem Suchbaum entspricht ein Knoten einem Hilfskonstruktionsversuch, gefolgt von einem Versuch, die symbolische Engine auszuführen. Ist der Versuch erfolgreich, werden alle Suchbäume beendet. Schlägt der Versuch fehl, schreibt der Knoten die Fakten, die die symbolische Engine beweisen konnte, in eine gemeinsame Faktendatenbank. Diese gemeinsamen Fakten werden gefiltert, sodass sie keine knotenspezifischen Hilfspunkte darstellen, sondern nur für das ursprüngliche Problem relevant sind. Auf diese Weise können diese Fakten auch anderen Knoten im selben Suchbaum sowie Knoten in anderen Suchbäumen helfen.