一句话看懂：在同等搜索预算（2048次候选调度评估）下，MCTS调度DAG工作流比简单的随机重启列表调度平均差2.88%。这项预注册控制实验提示，复杂树搜索未必优于简单方法。
事件核心：发生了什么
2026年10月12日，arXiv cs.AI发布一篇预注册控制研究（arXiv:2610.12542v1），专门检验MCTS是否真适合DAG工作流调度。所有对比组共用相同预算：构建并评估相同数量的候选调度。
主实验在2048次评估预算下对比MCTS与无搜索树的随机重启列表调度。MCTS的平均完工时间（makespan）比后者差2.88%，95%置信区间为[-3.62%, -2.15%]，96个留出实例中有72个显示正差距。
原文并未将此归因于预算不足：MCTS在探索集上仅自提升0.24%，而重启法提升1.85%；720次首次结果中700次只是其被赋予的热启动。将选择规则换成教科书式UCT后，差距缩小至-0.26%，置信区间跨零但未反号。
为什么重要
MCTS长期被推荐用于DAG调度，但多数研究未给它和简单方法相同搜索预算再对比。这项预注册实验用可控协议直接检验，且由独立检查员确认全部768个确认阶段调度及完工时间有效，减少了数据后视偏差。
结构图显示：重启法在稀疏不规则工作流上胜出；规则分层工作流上无可检测差异；密集工作流没有改进空间。这对调度算法选型、算力资源编排，以及复杂AI搜索方法的价值评估，提供了可复现的参考基线。
对用户/开发者/创作者的影响
目前公开信息显示，实验限于受控合成域：任务数N∈{8,16,32}、处理器2-8个、预算最高2048次评估，结论不能外推到更大预算或真实生产负载。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对开发者而言，若在DAG调度场景中考虑集成MCTS，应先做等预算对照实验，而不是默认树搜索更强。对平台和算力调度团队，简单随机重启列表调度在特定工作流上可能更高效。对研究者和创作者，这项预注册范式也提醒：方法比较需要先锁定分析计划，再收集数据。
值得关注的后续
一是作者是否会公开代码、基准和完整的768个调度确认数据，方便复现；二是后续工作能否在更大预算或真实工作流上验证结论是否延续；三是工业界调度器是否会据此调整默认算法，或为MCTS设定更细的适用边界。
来源：arXiv cs.AI
