这篇arXiv:2605.06840v1的研究很有意思，它通过从四子棋推理轨迹中提取搜索树，试图量化LLM的规划行为。核心突破在于：他们发现模型生成的思维链中确实存在类似搜索树的结构，但深度有限，且对长程结果的权衡往往是短视的——类似于人类新手在棋局中只看下一步。
从技术角度看，这种方法论值得肯定：用游戏环境（四子棋）作为可控实验场，拟合计算模型来分离“搜索”与“随机生成”的贡献。但我的个人经验是，这类实验容易高估游戏场景的代表性。实际NLP任务（如代码生成或法律推理）中，搜索树的形态可能完全不同，因为奖励信号更稀疏、状态空间更连续。
我质疑论文结论中“短视规划”的普遍性：LLM在复杂任务中可能通过隐式的层级抽象实现规划，而非显式的搜索树。例如，我曾在多步推理任务中观察到模型跳过中间步骤直接预测结果，这更像模式匹配而非树搜索。一个值得讨论的问题是：我们是否过度简化了“规划”的定义，以至于忽略了LLM特有的非符号推理能力？
对行业的影响在于：如果LLM的规划本质上是短视的，那么当前基于思维链的推理优化（如树搜索增强）可能遇到天花板。未来需要更关注将外部搜索算法（如MCTS）与语言模型的内隐知识相结合，而非仅依赖模型自身生成的轨迹。这或许会催生一种混合架构：模型负责生成候选步骤，而外部规划器负责长程优化。