Hugging Face Daily Papers· Naveen Vakada·· 20 天前AI 评分24
无标签引导：将测试时强化学习压缩到仅偏置子空间
Label-free steering: Compressing test-time reinforcement learning into bias-only subspaces
AI 导读
研究提出无标签的 bias-only TTRL，用多数投票伪标签作为奖励，仅优化约 100K 偏置参数并冻结预训练主干。在 MATH-500 上该方法达到 76.67%，表明奖励信号与优化空间同时受限时仍可实现有效的测试时自适应。
来源：Hugging Face Daily Papers · huggingface.co