提出Test-Time Variational Synthesis(TTVS)框架,通过在线变分合成生成语义等价但表述多样的测试查询变体,并结合准确率驱动的利用与一致性驱动的探索,在无标注测试数据上动态增强训练流,提升大推理模型在数学等任务上的自探索强化学习性能,且效果超越依赖大规模标注数据的监督式RL方法。
机构:港科大
来源:arXiv 2604.08468 | AI4Papers 论文推荐平台