Test-Time Self-Play：无需验证器的测试时扩展方法

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 LiveCodeBench v6 难度校准子集上，TTSP 在评估的每种验证器强度下均为最优方法，且与最强基线的差距随验证器减弱而扩大；在无验证器极限下，TTSP 的 mean@8 绝对提升 35%。当基础策略对正确答案的覆盖接近零时，该增益不再成立。