大型语言模型（LLMs）在复杂推理方面取得了显著进展，但思维树（ToT）框架面临探索深度与计算效率之间的关键权衡。现有的ToT实现通常依赖于重型的基于LLM的自我评估或严格的启发式方法进行分支剪枝，这使得其在广泛应用中显得成本高昂且灵活性不足。为了解决这一问题，提出了一种可适应的即插即用预测器DST，作为轻量级的监督启发式方法来指导ToT搜索过程。该预测器实现了动态的、上下文感知的剪枝，使得在简单...