ESRL：用进化策略实现持续测试时学习
原文标题：Continual Test-Time Learning with Evolution Strategies
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。
论文指出测试时自适应依赖单一策略自生成监督，策略漂移会导致学习信号漂移、推理退化与灾难性遗忘。作者提出进化策略强化学习（ESRL），从参数空间扰动形成策略种群，聚合各轨迹答案生成无标签组相对学习信号。在数学推理、通用知识与医疗领域，平均准确率较基座模型最高提升 31.7%，并显著减少遗忘。
- 问题
- 测试时自适应依赖单一策略自生成监督，策略漂移会导致学习信号漂移与灾难性遗忘。
- 方法
- 用进化策略在参数空间扰动形成策略种群，聚合各轨迹答案生成无标签组相对学习信号。
- 结果
- 数学推理、通用知识与医疗领域平均准确率较基座最高提升 31.7%，并显著减少遗忘。
- 影响
- 无需外部监督即可持续提升模型，为线上模型的自适应更新提供可落地方案。
深读 · 结论先行AI 生成展开看要点与影响 ↓
ESRL用策略种群替代单一策略自监督，平均准确率最高提升31.7%
- •指出现有测试时自适应的监督信号来自被更新的单一策略，策略漂移会连带学习信号漂移，导致推理退化与灾难性遗忘
- •ESRL在参数空间扰动锚点策略形成近邻策略种群，每个策略采样一条轨迹，聚合答案生成无标签组相对学习信号
- •锚点在块内固定、在块边界从学生模型刷新，使种群始终围绕稳定且当前的策略
- •在数学推理、通用知识、医疗领域，平均准确率较基座模型最高提升31.7%，并显著减少遗忘
为什么重要：给无外部监督下的持续测试时学习提供了不依赖单策略自举的新路径，对需要在线适应的推理与领域应用有直接参考价值。
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
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。