开源|TTT-Discover：推理时强化学习新范式，让大模型实时自适应任务

近日，一个名为TTT-Discover的开源项目在GitHub上发布，其核心创新在于将强化学习（Reinforcement Learning）技术应用于大型语言模型（LLMs）的推理（Inference）阶段，而非传统的训练阶段。这一“测试时训练”（Test-Time Training, TTT）范式允许模型在每次执行具体任务时，根据实时反馈进行动态调整和自我优化，从而显著提升其在新颖或复杂任务上的表现。根据项目介绍，TTT-Discover已在数学推理、生物学问题求解、算法设计乃至GPU内核优化等多个具有挑战性的领域建立了新的性能基准。这一进展标志着大模型应用范式的重要演进，从依赖海量预训练数据的静态能力，转向更具灵活性和适应性的动态智能体。它为解决大模型在开放、动态环境中面临的“分布外泛化”难题提供了新思路，有望推动AI系统在科研辅助、代码生成、硬件协同设计等需要高度定制化和实时决策的场景中实现突破。