比人类专家快2倍，斯坦福联合英伟达发布TTT-Discover：用「测试时强化学习」攻克科学难题

背景：科学发现本质上是超出训练数据与人类现有知识的分布外问题，传统“测试时搜索”方法虽能改进大语言模型的尝试，但模型本身无法内化知识实现真正进步。研究目的：斯坦福大学与英伟达等机构联合提出TTT-Discover方法，旨在通过测试时强化学习，让大语言模型在解决单个测试问题的过程中持续训练自己，以发现突破性的最优解。结论：该方法在数学、GPU内核工程、算法设计和生物学等多个领域超越了人类专家和现有AI最佳结果，例如在Erdős最小重叠问题上取得新突破，并开发出比人类最佳内核快50%的GPU内核，证明了测试时强化学习在攻克科学难题上的有效性，但当前方法仅适用于连续奖励问题，未来需拓展至稀疏或二元奖励场景。