Великі мовні моделі (LLM) часто мають труднощі зі складними завданнями міркування, що вимагають точних та актуальних фактичних знань. Ця стаття пропонує нову структуру, яка інтегрує пошук Монте-Карло за деревом (MCTS) з механізмами вилучення знань, дозволяючи LLM динамічно запитувати зовнішні бази знань та уточнювати свої шляхи міркувань. Це призводить до більш точних та перевірених результатів, підвищуючи пояснюваність та надійність відповідей, згенерованих LLM, у наукоємних сферах зі значними реальним застосуваннями у таких галузях, як наукові дослідження, юридичний аналіз та вирішення складних проблем.