АТТ-агент: политика в отношении испытательного времени для обучения тестов

arXiv: 2610.10.12002v1 Аннонс Тип: новое резюме: тренировка по тестовому времени (TTT) корректирует параметры LLM с использованием сигналов, полученных в результате испытаний, и может значительно усовершенствовать заранее определенные настройки, такие как конкурсы ИМО или выявленные открытые проблемы. Преобразовав опыт внедрения в обновление параметров, ТТТ обеспечивает непосредственный механизм для самосовершенствования на уровне моделей. Однако ТТТ не является универсально выгодным: каждый алгоритм ПТТ работает в различных условиях, и применение неправильно подходящего метода может привести к растрате времени испытания или даже повреждению модели. Таким образом, такое самосовершенствование на уровне параметров требует от учреждения: модель должна решать, когда необходимо ТТТ, какой алгоритм следует использовать и можно ли повторно использовать существующие навыки. Для того чтобы заполнить этот пробел, мы введем агентский ТТТ, который учится политике тест-время для регулирования этих решений. АТТ-Агентство превращает процедуры ТТТ в приемлемые инструменты, рассматривает накопленный опыт как меняющуюся среду развертывания и готовит свою политику с использованием