斯坦福与英伟达联合发布AI推理新范式，刷新多领域SOTA

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

新智元报道

编辑：艾伦

【新智元导读】斯坦福与英伟达联合发布重磅论文 TTT-Discover，打破「模型训练完即定型」的铁律。它让 AI 在推理阶段针对特定难题「现场长脑子」，不惜花费数百美元算力，只为求得一次打破纪录的极值。从重写数学猜想到碾压人类代码速度，这种「激进进化」正在重新定义机器发现的边界。

如果把现在的 AI 模型比作一个学霸，它们的工作方式通常是这样的：在学校（预训练阶段）读万卷书，把知识固化在脑子里（参数冻结）。

等到考试（推理阶段）时，它们靠的是「回忆」和「逻辑推演」来答题。

即便像 OpenAI 的 o1 这种「会思考」的模型，也只是在考场上多打了打草稿（CoT思维链），它的大脑回路（权重）依然是锁死的。

但就在本周，一篇名为《Learning to Discover at Test Time》的论文横空出世，来自斯坦福大学和英伟达的研究团队提出了一种不仅「打草稿」，而且敢在考场上「现场长脑子」的新范式——TTT-Discover（Test-Time Training，测试时训练）。

这是对「智能」定义的再一次挑战。

核心颠覆

这项研究的核心逻辑非常反直觉：它不追求「平均分」，它只想要那一次「满分」。

在传统的强化学习中，我们希望训练出一个「全能选手」，不仅能做对这道题，以后遇到类似的题也能做对。

但 TTT-Discover 说：不，科学发现（Discovery）不需要「通用」。

比如我们要寻找一种能治愈癌症的新分子，或者要找出一个数学猜想的反例。

只要我们找到了这一个答案，哪怕模型在这个过程中严重「偏科」，甚至为了这道题把自己练废了（过拟合），把其他所有题都做错了，又有什么关系呢？

只要那个答案是对的，人类就赢了。

基于这个理念，TTT-Discover 采用了一种极其激进的策略：

现场进化：在推理阶段，针对当前的特定问题，利用强化学习直接修改模型的参数。

赌徒心态：它修改了损失函数，不再追求「稳健」，而是鼓励模型去探索那些极端的、风险极高但回报可能巨大的区域。

用完即弃：这个针对特定问题进化出来的「特种兵」模型，解完题就可以丢掉了。

战绩：它真的比人类聪明吗？

「不看广告看疗效」。

这篇论文最硬核的地方，在于它挑选的对手——全是硬骨头。

1. 数学界的「毫厘之争」

在著名的Erdős 最小重叠问题（一个困扰数学家数十年的数论难题）上，人类和此前最强 AI（AlphaEvolve）的竞争已经卷到了小数点后几位。TTT-Discover 进场后，直接把上界从 0.380924 压低到了0.380876。

别小看这小数点后四位的变化，在理论数学的无人区，每推进一步都是在重写历史。

它构造出了一个极其复杂的、拥有 600 个分段的非对称函数，而之前的人类最佳构造只有 51 段。

这就像是人类还在用积木搭房子，AI 已经开始用 3D 打印构建复杂的非对称建筑了。

2. 碾压人类顶级程序员

在 GPU 内核优化（TriMul）比赛中，任务是写出运行速度最快的底层代码。

这是极度考验工程师对硬件理解能力的领域。

人类第一名的代码在 H100 显卡上运行耗时：1371 微秒。

TTT-Discover 写出的代码耗时：1161 微秒。

在 A100 显卡上更夸张，它比人类第一名快了整整50%。

这意味着，在未来，你玩的游戏、跑的大模型，仅仅因为底层代码被这种 AI 重写了一遍，性能就能凭空提升一倍。

它发现了一些人类工程师完全没想到的「骚操作」，比如极其激进的算子融合和精度压缩。

3. 算法竞赛的降维打击

在著名的 AtCoder 启发式竞赛（ahc039, ahc058）中，它不仅击败了之前最强的 AI 智能体，还超越了人类金牌选手的历史最佳成绩。

如果当时它参赛，它就是当之无愧的第一名。

冷静一下，它不是万能神药

虽然战绩辉煌，但作为一篇严谨的科普，必须指出它的「阿喀琉斯之踵」。

第一，它是真的「贵」。

传统的 AI 回答一个问题可能只需要几分钱的算力。

而 TTT-Discover 为了解决一个问题，需要在测试时进行几千次甚至上万次的采样和训练。

论文坦承，解决单道题的成本约为500 美元（约合人民币 3500 元）。

用来做小学奥数题？疯了。

用来设计下一代光刻机指令？便宜得像不要钱。

第二，它是个「偏科生」。

你不能指望用这个进化后的模型去和你聊天。

因为它在解决那道数学题时，可能已经把「如何说你好」这部分的脑细胞都改写成了「如何计算微积分」。

它是为了单点突破而生的一次性工具。

第三，它需要「打分器」。

这是最关键的局限。

它目前只能解决那些「好坏显而易见」的问题（有连续奖励信号），比如代码运行速度（越快越好）、数学边界（越小越好）。

对于「写一首感人的诗」或者「证明黎曼猜想」（通常只有对 / 错两种状态）这类问题，它目前还无能为力。

作者简介