热点事件持续更新
研究团队提出ReTTT测试时训练方法
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月20日，研究人员在arXiv发表研究，提出一种名为ReTTT（基于经验参数化记忆的反思驱动测试时训练）的新方法。该方法旨在单回合内，通过构建并持续修正反思经验来实现测试时训练自适应。在实现机制上，ReTTT在冻结主干模型的同时更新回合内的局部LoRA适配器，使其能够同步执行后续行动与反思策略。实验表明，在ALFWorld、ScienceWorld和SWE-bench Lite基准测试中，ReTTT相比基于轨迹的测试时训练将任务成功率最高提升了12.14个百分点。
AI 根据报道生成 · 3 小时前更新
最新进展10月20日 12:00
研究人员提出ReTTT方法，通过反思驱动的测试时训练将基准任务成功率最高提升12.14个百分点。报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv 机器学习ReTTT：通过基于经验的参数化记忆实现反思驱动的测试时训练
研究人员提出 ReTTT 方法，通过在单回合内构建并持续修正反思经验来实现测试时训练自适应。该方法在冻结主干模型的同时更新回合内的局部 LoRA 适配器，使其同步执行后续行动与反思策略。在 ALFWorld、ScienceWorld 和 SWE-bench Lite 基准测试中，ReTTT 相比基于轨迹的测试时训练将任务成功率最高提升了 12.14 个百分点。
本事件热度走势
当前热度 9·可比范围峰值 10（10月20日 13:00）·近 24 小时可比范围变化 –
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。