发表时间：2020
文章要点：MCTS里通常通过计算访问次数来做探索，这个被称作count-derived uncertainty。这篇文章提出了第二种uncertainty，这种uncertainty来源于子树的大小，一个直觉的想法就是，如果一个动作对应下的子树小，那就不用探索那么多次，反之如果子树大，那就应该多探索探索。作者提出了MCTS-T和MCTS-T+算法，在树里添加度量子树大小的估计（estimate of the size of the subtree below an action），在稀疏回报的场景以及有loop的场景下取得了很好的效果。
具体的，作者定义每个状态的uncertainty \(\sigma_{\tau}(s) \in [0,1]\)，其中1表示这个状态下的子树完全没探索过，0表征这个子树已经被探索完全了。所以在初始化的时候，只有终结状态被设置为0，其他状态都被设置为1
然后更新的公式也是通过计算访问次数然后根据backup的uncertainty来算平均值
然后select的公式就变成
这个uncertainty以乘积的形式放到exploration那一项上。
另外一个需要注意的问题是，如果一个很大的子树的value都很差，但是因为uncertainty很大，那么访问次数就会很多，这样就会导致value更新不准，所以value的更新不能依据这个访问次数去做。作者的做法是依然保留一个和原版MCTS一样的访问次数的计算，就是如果新的select公式选择的动作和原版MCTS选择的动作一样，就算一次访问次数
然后用这个访问次数去更新value
另外一个需要解决的问题是Loops，也就是说在一次搜索中，search可能在几个动作之间来回横条，这就导致这个树变的平衡了，但是其实都是在相同几个状态之间来回跳，其实相当于没用
作者的做法也很直接，就是在一次搜索中，如果在后面的节点遇到了之前相同的状态，就把这个地方的uncertainty设置为0，那么就会避免相同状态反复横跳了。如果状态空间太大，还可以设置阈值来做近似的判断
而且注意这个方式是MCTS的扩展，如果没到terminal状态，所有的select，backup就和MCTS完全一样。
总结：很有意思的想法，感觉是不是可以试试结合到神经网络上面去。另外，目前做的还是确定性转移的情形。
疑问：如果有随机转移，会不会错误block掉很多loops?
另外如果一个游戏就是反复横跳得分最高，是不是效果也会差一点？