AI考场进化：测试时训练，挑战智能新极限

如果把现在的AI模型比作学霸，它们通常在学校（预训练阶段）博览群书，将知识内化为己有（参数冻结）。等到考试（推理阶段），它们凭借「回忆」和「逻辑推演」来答题。

即便是像OpenAI的o1这种「会思考」的模型，也只是在考场上多打草稿（CoT思维链），其大脑回路（权重）依然固定不变。

但本周，一篇名为《Learning to Discover at Test Time》的论文横空出世，来自斯坦福大学和英伟达的研究团队提出了一种不仅打草稿，更敢在考场「现场长脑子」的新范式——TTT-Discover（Test-Time Training，测试时训练）。

这是对「智能」定义的又一次挑战。

核心颠覆

这项研究的核心逻辑非常反直觉：它不追求「平均分」，只想要那一次「满分」。

在传统强化学习中，我们期望训练出全能选手，不仅要做对这道题，未来遇到类似题也能应对自如。

但TTT-Discover说：不，科学发现（Discovery）不需要「通用」。

例如，寻找治愈癌症的新分子或数学猜想的反例。

只要找到这一个答案，哪怕模型在这个过程中严重偏科，甚至为了这道题而自我毁灭（过拟合），忽略了其他所有题，又有什么关系呢？

只要那个答案是对的，人类就赢了。

基于这个理念，TTT-Discover采用了一种极其激进的策略：

现场进化：在推理阶段，针对当前特定问题，利用强化学习直接修改模型参数。

赌徒心态：它修改了损失函数，不再追求稳健，而是鼓励模型探索极端、高风险高回报区域。

用完即弃：这个针对特定问题进化出的「特种兵」模型，解完题即可丢弃。

战绩：它真的比人类聪明吗？

「不看广告看疗效」。

这篇论文最硬核的地方在于它挑选的对手全是硬骨头。

1. 数学界的「毫厘之争」

在著名的Erdős最小重叠问题（困扰数学家数十年的数论难题）上，人类和此前最强AI（AlphaEvolve）的竞争已经卷到小数点后几位。TTT-Discover进场后，直接把上界从0.380924压低到0.380876。

别小看这小数点后四位的变化，在理论数学的无人区，每推进一步都在重写历史。

它构造出一个极其复杂、拥有600个分段的非对称函数，而之前的人类最佳构造仅有51段。

冷静一下，它不是万能神药

虽然战绩辉煌，但作为一篇严谨科普，必须指出其「阿喀琉斯之踵」。

第一，它真的「贵」。

传统AI回答一个问题可能只需几分钱的算力。

而TTT-Discover为了解决问题，需要在测试时进行几千次甚至上万次的采样和训练。

论文坦承，解决单道题的成本约为500美元（约合人民币3500元）。

作者简介

本文通讯作者Yu Sun是Test-Time Training (TTT)概念的坚定布道者和总设计师，目前是斯坦福大学博士后及英伟达研究员。

他的核心思想

很多研究者会追逐不同热点（如Diffusion、RAG），但Yu Sun极其罕见地死磕一个概念长达7年。

TTT三部曲：从修补到颠覆

1.0时代（视觉修复）：

2.0时代（架构革命）：