Guidance-TTT：测试时训练新方法提出

2026年10月15日，arXiv Artificial Intelligence 刊出 Chonghe Jiang 等作者的报道，提出 Guidance-TTT 测试时训练方法。该报道称，Guidance-TTT 将测试时训练拆分为两个角色：小型引导模型在测试时学习提出高层策略改动，冻结的执行模型负责将其实现为可执行方案；系统每步选取已有解、提出改动、执行验证，并用自适应组相对 RL 目标只更新引导模型。报道称，在不接入网络（Without web access）的条件下，Guidance-TTT 在四个不同领域产生强解：组合优化（Polyomino Packing）、启发式编程（AHC058）、机器学习（Lasso）和 GPU 内核优化（TriMul）。报道还称代码已公开（Code is available at this https URL）。上述条件与结果均出自该篇报道，为其单方陈述。目前尚无后续跟进报道，事件进展以该篇报道为准。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。