Test-Time Self-Play

新的测试时自我对弈方法在无验证器的情况下扩展了大型语言模型的性能

研究人员开发了一种名为测试时自我对弈（TTSP）的新方法，可以在无需验证器的情况下提高大型语言模型的性能。TTSP 利用非对称自我对弈在部署时扩展性能，即使目标问题没有强大的验证器也适用。在 LiveCodeBench v6 基准测试中，TTSP 在无验证器场景下实现了 35% 的平均绝对增益，并在各种验证器强度下优于其他方法。