学生B的策略听起来很聪明：不背题型，进考场边做边调。但费曼会先问一个麻烦的问题——你确定那叫「学习」吗？
传统模型像学生A：所有本事在考前固化，考场上只执行。TTT（测试时训练）想当学生B：每读一个词，就顺手更新一下自己的「临时笔记」。E²-TTT 的妙处，是发现这套更新能写成一道闭式解——不用一步步试探，直接算出块末尾该有的状态。结果挺实在：在训练长度的 8 倍处，还能保住 90% 以上的准确率，而老式注意力早就跌没了。
可别被「训练」俩字骗了。它改的不是权重，是临时的「快速权重」——一场考试用完就扔。这恰恰戳中一个真问题：我们一直把「学习」和「推理」当成两件事，先学完再答题。TTT 说，也许边答边学才是常态。
不过我得泼点冷水：闭式解目前只认平方损失，交叉熵还得靠近似；超参数也娇气。别急着宣布「长文本搞定」。一件事是真的——「推理即学习」这个念头，比任何单个 benchmark 都更值得玩味。
收个尾：模型在读书时不断做笔记、建索引，哪怕书再长也能找到那根针。这不新鲜，人一直这么干。新鲜的是，有人用数学把它精确化了。