著名的例子是AlphaZero。它不展开，而是咨询价值网络以进行叶节点评估。该论文详细介绍了之后如何执行更新：

叶子$s'$位置仅由网络扩展和评估一次，以生成先验概率和评估，$(P(s′ , \cdot),V(s ′ )) = f_\theta(s′ )$. 每条边$(s, a)$在模拟中遍历被更新以增加其访问计数$N(s, a)$，并将其动作值更新为这些模拟的平均评估，$Q(s,a) = \frac{1}{N(s,a)}\sum_{s,a\to s'}V(s')$ ， 在哪里$s, a\to s′$表示在从位置 s 移动 a 之后模拟最终到达 s'。