---
title: "斯坦福&英伟达发布TTT-Discover：测试时强化学习实现低成本AI科学发现"
url: "https://paooo.com/aigc-news/11541/"
author: "Prompt 语宙研究院"
published_at: "2026-06-11T20:42:22+08:00"
updated_at: "2026-06-07T20:06:41+08:00"
categories: "AIGC 资讯"
tags: "AI科学发现, 开源模型, 斯坦福, 测试时强化学习, 英伟达"
source: "Prompt 语宙 (https://paooo.com)"
ai_tools_directory: "语宙 AI 导航 (https://ai.paooo.com)"
---

# 斯坦福&英伟达发布TTT-Discover：测试时强化学习实现低成本AI科学发现

> 来源：[Prompt 语宙 (paooo.com)](https://paooo.com/aigc-news/11541/) · 作者：Prompt 语宙研究院 · 发布时间：2026-06-11

## AI 30 秒核心看点 (TL;DR)

- 测试时强化学习让模型不再“部署即固定”，可在具体问题中边推理边学习。
- 结合熵目标函数与PUCT状态重用，TTT-Discover兼顾高奖励搜索、稳定训练与高效探索。
- 基于开源模型gpt-oss-120b，在多类科学任务上达到SOTA，且单问题成本仅数百美元。

> 
                **💡 站外导读：**当前AI模型在科学发现等复杂任务中往往依赖海量数据与天价算力训练，且模型在部署后性能固定，无法从具体问题中实时进化。这限制了AI在解决开放性、前沿科学问题上的潜力。斯坦福与英伟达等机构最新提出的TTT-Discover方法，旨在打破这一僵局，通过创新的测试时强化学习框架，让AI模型在推理过程中动态学习，实现低成本、高性能的定向科学突破。

            

             
                        

## TTT-Discover是什么

TTT-Discover（Test-Time Training to Discover）是斯坦福、英伟达等机构推出的AI科学发现方法。TTT-Discover在测试阶段对模型进行强化学习训练，非冻结权重仅做搜索。通过熵目标函数优化最大奖励，结合PUCT启发的状态重用机制，让模型从具体问题的尝试中实时学习。TTT-Discover基于开源模型[gpt-oss-120b](https://ai-bot.cn/gpt-oss/)，在数学、GPU内核工程、算法竞赛和生物信息学等领域达到SOTA，单问题成本仅数百美元。

## TTT-Discover的主要功能

- 
**测试时持续学习**：在解决具体问题时动态更新模型权重，使AI从失败尝试中实时积累经验，实现定向进化。

- 
**科学发现优化**：针对数学、工程、算法、生物等领域的开放问题，寻找超越现有知识的最优解。

- 
**高效搜索策略**：通过熵目标函数聚焦高奖励动作，结合PUCT机制智能重用历史状态，平衡探索与利用。

- 
**低成本高性能**：使用开源模型即可在多项任务中达到SOTA，单问题训练成本仅需几百美元。

## TTT-Discover的技术原理

- **熵目标函数**：优化目标为 Jβ​(θ)=E[logE[eβR]] 。当β→∞ 时，目标收敛于最大化最大奖励而非平均奖励，确保模型专注寻找单一极优解。采用自适应β(s) 控制KL散度，维持训练稳定性。

- **PUCT启发状态重用**：维护历史解缓冲区，用评分函数Q(s)+c⋅P(s)⋅1+n(s)1+T​​ 选择初始状态。其中Q(s) 取子节点最大奖励（非平均值），P(s) 为基于奖励排名的先验，兼顾高潜力状态利用与多样性探索。

## TTT-Discover的项目地址

- **arXiv技术论文**：https://arxiv.org/pdf/2601.16175

## TTT-Discover的应用场景

- **数学研究**：优化Erdős最小重叠问题、自相关不等式等开放数学问题的边界值，发现新的构造性证明。

- **GPU内核工程**：帮助自动生成高性能计算内核，如AlphaFold的TriMul算子、DeepSeek的MLA解码，速度超越人类专家。

- **算法竞赛**：TTT-Discover能解决AtCoder等编程竞赛中的NP-hard优化问题，如几何计算、生产规划等复杂任务。

- **生物信息学**：TTT-Discover能改进单细胞RNA测序去噪算法，提升基因表达数据分析精度。

                    
            
                

#### 📝 站长洞察 (Editor's Insight)

                TTT-Discover标志着AI发展范式从“静态推理”向“动态学习与进化”的关键跃迁。它不仅仅是又一个算法优化，更是将强化学习与测试时训练深度结合，让模型在部署后持续自我迭代，这直击了当前大模型“学而不用”、无法适应具体复杂问题的痛点。其开源模型实现SOTA成绩，且成本极低，预示着AI科学研究可能从“重训练”时代迈入“重优化”时代，赋能更多研究者。结合近期AI Agent与自主进化系统的趋势，TTT-Discover提供的“实时学习-定向进化”框架，或将成为下一代AI解决复杂科学工程问题的核心范式，值得所有关注AI前沿的从业者深度关注。

## 常见问题解答 (FAQ)

### TTT-Discover是什么？
TTT-Discover（Test-Time Training to Discover）是斯坦福、英伟达等机构提出的AI科学发现方法。它在测试阶段对模型进行强化学习训练，让模型在解决具体问题时动态更新权重，而不是只做静态推理或固定搜索。

### TTT-Discover为什么能降低科学发现成本？
它利用开源模型和测试时训练，把算力集中在具体问题的高价值搜索上，通过熵目标函数与PUCT状态重用提高效率，因此在多项任务中可用较低成本获得高质量结果，文中提到单问题成本仅数百美元。

### TTT-Discover适合哪些应用场景？
文章提到它适用于数学研究、GPU内核工程、算法竞赛和生物信息学等开放性复杂任务，可用于寻找更优构造、生成高性能内核、解决NP-hard优化问题，以及提升单细胞RNA测序去噪效果。

---
探索 2,800+ 全球实用 AI 工具与官方直达入口：[语宙 AI 导航 (https://ai.paooo.com/)](https://ai.paooo.com/)
