[控场AI]
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%

全部知识事实 (1)

来源文章