概念TTSP
Test-Time Self-Play
一种无需外部验证器的测试时扩展方法,让同一LLM分别扮演提议者和求解者进行非对称自博弈,通过自动课程实现自我改进
时间轴 (近 90 天)
11月6日
论文提出的Test-Time Self-Play(TTSP)方法通过非对称自博弈绕过了对验证器的依赖,为无验证器下的测试时扩展提供了新思路。
待验证50%
一种无需外部验证器的测试时扩展方法,让同一LLM分别扮演提议者和求解者进行非对称自博弈,通过自动课程实现自我改进
论文提出的Test-Time Self-Play(TTSP)方法通过非对称自博弈绕过了对验证器的依赖,为无验证器下的测试时扩展提供了新思路。