arXiv cs.AI· Akira Yoshiyama, Akmal Ashirmatov, Jonas H\"ubotter, Ido Hakimi, Andreas Krause·· 11 小时前AI 评分38
Test-Time Self-Play：无需验证器的测试时扩展方法
Test-Time Self-Play: Scaling without a Verifier
AI 导读
研究者提出 Test-Time Self-Play（TTSP），用非对称自博弈实现不依赖验证器的测试时扩展。在难度校准的 LiveCodeBench v6 子集上，TTSP 在评估的每种验证器强度下均表现最佳，且验证器越弱领先幅度越大；在无验证器极限下，mean@8 绝对提升 35%。该增益在多种验证器强度下成立，但当基础策略对正确答案覆盖接近零时除外。
正文 · AI 翻译
摘要：测试时扩展方法在部署阶段投入额外算力，以提升大语言模型在困难目标任务上的表现。大多数方法依赖验证器对候选解的正确性打分，并据此在模型输出中进行选择或改进。然而，在许多部署场景中，针对目标问题的强验证器并不可用。我们提出测试时自博弈（Test-Time Self-Play，TTSP），这是一种不依赖验证器、使用非对称自博弈进行测试时扩展的方法。在 LiveCodeBench v6 中经过难度校准的子集上，在我们评估的每一种验证器强度下，TTSP 都是表现最好的方法，并且随着验证器变弱，其与最强基线的差距进一步扩大；在无验证器的极限情况下，TTSP 使 mean@8 取得了 35\% 的绝对提升。除基础策略对正确答案的覆盖接近零的情况外，这些增益在多种验证器强度下均成立。
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI） |
| 引用为： | arXiv:2611.07367 [cs.LG] |
| （或 arXiv:2611.07367v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.07367 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Akira Yoshiyama [查看邮箱]
[v1]
2026年11月5日星期四 03:07:02 UTC（4,477 KB）
来源：arXiv cs.AI · arxiv.org