arXiv cs.AI· Jiahao Lu, Mohan Kankanhalli·· 9 天前AI 评分29
Agentic-TTT：为测试时训练学习测试时策略
Agentic-TTT: Training test-time policy for test-time training
AI 导读
Agentic-TTT 将 TTT 流程转化为可调用工具，把累积技能视为不断演化的部署环境，并依据决策带来的效用增益训练测试时策略，决定何时启用 TTT、调用哪种算法以及能否复用已有技能。在其自建 benchmark 上，该策略相比骨干模型效用接近翻倍，还能在效用与算力之间做权衡，并泛化到训练中未见过的领域。
正文 · AI 翻译
摘要：测试时训练（TTT）利用从测试输入中导出的信号来调整 LLM 的参数，并能在预先指定的场景（如 IMO 竞赛或指定的开放问题）中取得显著改进。通过将部署经验转化为参数更新，TTT 提供了一种直接的模型级自我改进机制。然而，TTT 并非普遍有益：每种 TTT 算法适用于不同的场景，应用不恰当的方法可能会浪费测试时算力，甚至损害模型性能。因此，这种参数级别的自我改进需要自主性：模型必须决定何时需要 TTT、调用哪种算法，以及是否可以复用已有的技能。为填补这一空白，我们提出了 Agentic-TTT，它学习一个测试时策略来管理这些决策。Agentic-TTT 将 TTT 流程转化为可调用的工具，将积累的技能视为不断演化的部署环境，并利用其决策所观察到的效用增益来训练策略。在我们的基准测试中，Agentic-TTT 的效用相比骨干模型几乎翻倍，学会了在效用与算力之间进行权衡，并能泛化到训练期间未见过的领域。这些结果共同指向自主自我改进：模型能够决定如何从自身的部署经验中学习。
| 学科： | 机器学习（cs.LG）；人工智能（cs.AI）；计算与语言（cs.CL） |
| 引用为： | arXiv:2610.12002 [cs.LG] |
| （或使用 arXiv:2610.12002v1 [cs.LG] 获取此版本） | |
| https://doi.org/10.48550/arXiv.2610.12002 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
发件人：Jiahao Lu [查看电子邮件]
[v1]
2026年10月8日星期四 14:06:26 UTC（821 KB）
来源：arXiv cs.AI · arxiv.org