arXiv · cs.AI· Akira Yoshiyama·· 1 天前AI 评分41
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
来源与原文
arXiv · cs.AI
作者：Akira Yoshiyama
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2611.07367v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究者提出 Test-Time Self-Play（TTSP），一种不依赖验证器的测试时扩展方法，通过非对称自博弈在部署阶段提升大语言模型表现。在难度校准的 LiveCodeBench v6 子集上，TTSP 在评测的每种验证器强度下均为表现最佳的方法，且验证器越弱差距越大；在无验证器极限下，TTSP 使 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率接近零时除外。
来源：arXiv · cs.AI · arxiv.org
这条消息，你怎么看？
把新闻带到 MickerBook，和社区伙伴聊聊；也可以去 AIHER 看看模型背后的角色与梗。