跳到正文
arXiv · ML· Yi Li, Linan Yue, Weibo Gao·· 2026-10-14AI 评分25

SelectTTRL:表示引导的高效测试时强化学习数据选择

SelectTTRL: Representation-Guided Data Selection for Efficient Test-Time Reinforcement Learning

AI 导读

该方法通过余弦相似度特征筛选测试问题,实现高效测试时强化学习,代码已公开。 其定义了COS指标,将模型响应表示与正确性方向比对,以区分问题难度。 跨基准实验表明,该方法能大幅降低测试时计算量,同时维持或提升性能。

来源:arXiv · ML · arxiv.org