跳到正文
arXiv · ML· Akira Yoshiyama, Akmal Ashirmatov, Jonas H\"ubotter, Ido Hakimi, Andreas Krause·· 14 天前AI 评分31

Test-Time Self-Play 方法:无需验证器的测试时扩展

Test-Time Self-Play: Scaling without a Verifier

AI 导读

新提出的 Test-Time Self-Play (TTSP) 方法通过非对称自我博弈实现测试时扩展,且不依赖验证器。 在 LiveCodeBench v6 难度校准子集上,TTSP 在所有测试的验证器强度下均表现最佳。 无验证器极限情况下,TTSP 使 mean@8 绝对提升 35%,且验证器越弱优势越明显。

来源:arXiv · ML · arxiv.org