arXiv 机器学习· Akira Yoshiyama, Akmal Ashirmatov, Jonas H\"ubotter, Ido Hakimi, Andreas Krause·· 10 時間前AI スコア45
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
未翻訳のため中国語で表示しています。
AI ガイド
研究人员提出测试时自我博弈方法 Test-Time Self-Play（TTSP），利用非对称自我博弈实现大语言模型在测试阶段的算力扩展，且无需依赖验证器。在难度校准的 LiveCodeBench v6 子集评测中，TTSP 在评估的各类验证器强度下均表现最优；在完全无验证器的极限条件下，TTSP 取得了 mean@8 绝对提升 35% 的成绩。
出典：arXiv 机器学习 · arxiv.org