Today for AI
返回热点榜
llm热度 13.6°

AI 聚合热点事件 · 2026/10/29

UCSB 论文：TTME 以演化记忆替代测试时训练，大幅降低算力成本

1 篇收录报道1 家独立信源交叉印证持续跟踪至 2026/10/29 13:15:00
全景综述与最新动态
1 家信源交叉印证

加州大学圣塔芭芭拉分校提出 TTME 框架，通过固定模型权重并利用“演化记忆”存储过往尝试中的编码规则与得分增益思路，在数学发现任务中超越了传统的测试时训练（TTT）。实验显示，该方法在 Qwen3-8B 等模型上不仅得分更高，还节省了约 80% 的浮点运算量和近一半的运行时间。

最新动向/加州大学圣塔芭芭拉分校提出 TTME 框架，通过固定模型权重并利用“演化记忆”存储过往尝试中的编码规则与得分增益思路，在数学发现任务中超越了传统的测试时训练（TTT）。实验显示，该方法在 Qwen3-8B 等模型上不仅得分更高，还节省了约 80% 的浮点运算量和近一半的运行时间。

逐小时热度走势

2 个完整观测小时
连续完整观测不足 3 个小时，暂不绘制趋势曲线。

报道时间线

共 1 篇 · 最新优先
  1. Rohan Paul (@rohanpaul_ai)T2·78 分

    UCSB 论文：TTME 以演化记忆替代测试时训练，大幅降低算力成本

    原标题：New UC Santa Barbara paper shows that LLM math discovery can skip test-time training, since an evolv...

    • TTME 通过固定权重和外部记忆模块，避免了测试时训练中昂贵的 RL 权重更新过程。
    • 在 5 个数学任务和 3 种模型架构下，TTME 的表现均优于报告中的测试时训练基线。
    • 使用 Qwen3-8B 进行基准测试时，TTME 相比 TTT 减少了 82.8%-84.6% 的 FLOPs 和 47.7%-58.4% 的运行时间。