ReTTT 提出反思驱动测试时训练提升 LLM 智能体表现
原文标题：ReTTT: Reflection-Driven Test-Time Training via Experience-Based Parametric Memory
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
研究提出 ReTTT，让 LLM 智能体在任务执行中反思交互反馈，将经验教训存入显式记忆，并通过更新回合内 LoRA 适配器学习，主干保持冻结。在 ALFWorld、ScienceWorld 与 SWE-bench Lite 上，ReTTT 在全部六种模型-基准组合中优于基于轨迹的测试时训练，任务成功率最高提升 12.14 个百分点。
深读 · 结论先行AI 生成展开看要点与影响 ↓
ReTTT用回合内LoRA学习反思经验，六种模型-基准组合全胜，成功率最高+12.14点
- •让智能体反思交互反馈，把经验教训存入显式记忆，并通过更新回合内LoRA适配器学习，主干保持冻结
- •适配后的模型同时执行后续动作与反思，把策略适应与未来学习经验的构建耦合起来
- •在ALFWorld、ScienceWorld、SWE-bench Lite、两个模型家族共六种组合中，全部优于基于轨迹的测试时训练
- •任务成功率最高提升12.14个百分点；冻结反思的对照显示，适配反思策略本身带来7.14点收益
为什么重要：说明测试时训练的关键不只是学轨迹，而是学「如何反思」，为LLM智能体的在线自我改进提供了低成本、不动主干的实现路径。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
谷歌 Gemini 4 Carbon 全面超越 Opus 5.5，首发 Token 半价
AI 摘要谷歌发布 Gemini 4 Carbon，宣称在多项能力上全面超越 Opus 5.5，并推出首发 Token 半价优惠。该模型可连续数日修复 Bug，且具备免疫提示词注入的安全特性，加剧头部大模型竞争。
谷歌发布 Gemini 4 Carbon，主打网络安全能力跃升
AI 摘要谷歌推出前沿模型 Gemini 4 Carbon，在编程、智能体任务和网络安全方面显著提升，登顶 Artificial Analysis 智能指数，领先 Claude Opus 5.5 与 GPT-6 Astra。该模型目前仅向部分网络安全防御公司开放，定价与 Argon 相同，为每百万输入 token 2 美元、输出 10 美元。
谷歌发布 Gemini 4，API 限时半价
AI 摘要谷歌正式发布 Gemini 4，被视为重回大模型第一梯队的关键动作，同时推出 API 限时半价优惠。该发布对模型竞争格局与开发者成本结构均有直接影响。
谷歌 Meta 发布前沿模型，AI 竞赛重启
AI 摘要谷歌发布 Gemini 4 Argon，Meta 推出新前沿模型，两家公司声称可与 OpenAI 和 Anthropic 的旗舰模型匹敌。谷歌以激进定价策略切入市场，入门期价格比竞争对手低至80%。AI 前沿竞争格局重新洗牌。