TTCS：测试时问题合成与求解协同演化的自进化框架
热点事件观察中
TTCS：测试时问题合成与求解协同演化的自进化框架
2 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
厦门大学 XMU DeepLIT 的 Chengyi Yang 等提出 TTCS，一个协同演化的测试时训练框架，代码已在 GitHub 开源。框架由同一预训练模型初始化两个角色：问题合成器根据求解器当前能力生成逐步变难的变体，推理求解器利用原始问题与合成问题上的多次采样自一致性奖励进行更新，在测试时持续适应推理任务。 论文摘要报告，该方法在具有挑战性的数学基准上可增强推理能力，并能迁移到由不同 LLM 骨干支持的通用领域任务；该结论属作者声称，具体数值与比较基线未在摘要中给出。
AI 根据报道生成 · 4 小时前更新
最新进展10月20日 12:00
TTCS：面向自进化大语言模型的测试时课程合成框架报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv · cs.AITTCS：面向自进化大语言模型的测试时课程合成框架
TTCS通过问题合成器与推理求解器协同演化，利用难度渐进的合成问题和多次采样的自一致性奖励改进测试时训练。作者在论文摘要中报告，该方法在具有挑战性的数学基准上增强推理能力，并可迁移到不同大语言模型骨干支持的通用领域任务。代码与实现细节见 https://github.com/XMUDeepLIT/TTCS。
- arXiv · cs.AITTCS：面向自演化模型的测试时课程合成
TTCS提出一种协同演化的测试时训练框架，由同一预训练模型初始化问题合成器与推理求解器，在测试时持续适应推理任务。问题合成器依据求解器当前能力生成逐步变难的变体，求解器则利用原始与合成问题上的多次采样自一致性奖励进行更新，论文摘要报告其可提升困难数学基准上的推理能力，并迁移至不同LLM骨干的通用领域任务。代码与实现细节见https://github.com/XMUDeepLIT/TTCS。
本事件热度走势
- 可比范围当前
- 5
- 可比范围峰值
- 610月21日 06:00
- 近 24 小时变化
- –
0246
06:0008:0010:0012:0014:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。