FLEET算法：用记忆增强搜索替代重复采样

作者提出FLEET，通过将外部奖励归因到特定token并用MCTS调整logits，使生成过程感知历史奖励。在GSM8K上以一半迭代达到基线，在LiveCodeBench v6上将分数从0.59提升至0.69，仅需9次迭代对比基线32次。

• 五个Qwen3.8-27B模型在基准测试中媲美Fable 52026-10-25