考试期间允许补课：AI 的四张新纪录是怎么刷出来的

考试期间允许补课：AI 的四张新纪录是怎么刷出来的

先看一个数字：0.380876。这是埃尔德什最小重叠问题的最新纪录——保罗·埃尔德什几十年前提出的悬题，人类最好的成绩是 0.380927，卡在那里很久。新纪录由一个叫 TTT-Discover 的系统在 1 月创下，把上界推进了小数点后第五位。数学边界的推进常常就是这样，肉眼几乎看不出来——但纪录就是纪录，而且它经过了组织方和专家的评审。

比数字本身更有意思的是这个系统的工作方式。

AI 做科学发现，此前的主流玩法是「冻结模型+搜索」：模型脑子不变，靠海量采样和进化式改写找更好的解——DeepMind 的 FunSearch、AlphaEvolve 都是这条路。TTT-Discover（斯坦福、NVIDIA、UCSD、Astera Institute 与 Together AI 的合作，arXiv 2601.16175）换了个思路：考试现场继续训练。接到一道题，模型的参数就在这道题上持续做强化学习，边考边进化。做下一道题时，底座还是原样——每道题都重新进化一遍。

这个目标函数的设计藏着一个容易被忽视的错位。普通强化学习优化「平均表现」：一百次尝试平均拿八十分，好。但科学发现恰恰相反——只看最好的一次。一个平均分惨不忍睹的策略，只要摸到过一次新纪录，就是赢家；一个平均九十分但从不冒尖的策略，对发现毫无用处。论文管这叫朴素 RL 与发现的根本分歧。TTT-Discover 的应对是一个熵化目标：不让策略坍缩到安全的高奖励动作上，强制它维持冒险——低分的解法照样保有非平凡的概率被继续探索，因为高风险高回报的路径里才藏着纪录。

第二个组件借自 AlphaZero：PUCT 式的搜索复用。系统把试过的解法存进缓冲区，得分高的起点优先被重新拎出来接着改，但给低分起点留有余地。每复用一次，等于给那条解法多续了一段时间轴——很多纪录不是从零想出来的，是在半成品上又续了几步。

战绩摊开看有四行。数学这边，除了埃尔德什那道题，还有一个自相关不等式的界被推进；攻关过程有个细节值得单说：模型先是用 Adam 加 softmax 参数化做梯度优化，把界降到 1.510，随后自己换成了线性规划，压到 1.504，最后靠启发式聚焦一步步摸到纪录——在一次测试会话里，它自己换了三次数学工具。GPU 这边打的是 GPUMode 社区的 TriMul 竞赛（AlphaFold 3 里的一种核心运算）：A100 上比人类第一名快 2.06 倍，H100 上快 18%，B200 和 MI300X 同样全胜——而且此前从没有 AI 交出过有效的参赛 kernel。算法这边，它在历届 AtCoder 竞赛题上总分 567,062，压人类第一名 65 分。生物这边，单细胞分析的去噪成绩 0.71 对人类最好的 0.64。

底座同样值得说：这一切跑在 gpt-oss-120b 上——开源模型，不是哪家闭源旗舰。每道题的训练成本只有几百美元，用 Thinking Machines 的 Tinker API 执行，代码公开、结果可复现。作为对照，此前这几个领域的最好成绩几乎都出自闭源前沿模型之手。一个大学实验室的预算，就能雇得起这么一个不知疲倦、五门功课全押纪录的合作者。

回到那道主线问题：这件事和「AI 研究自动化」是什么关系？TTT-Discover 展示的其实是一个新物种的雏形——训练和推理的边界在它身上失去了意义，同一个模型在解题过程中既是被搜索的对象也是被训练的对象。它还没有跨任务沉淀的能力：解完埃尔德什，学到的东西不会带去下一道题。但方向已经很清楚——从「搜模型输出的空间」进化到「搜模型参数的空间」，这是离自我改进的权重层最近的一步。而它选的四个战场有个共同点：验证便宜。数学界有界可比，kernel 有秒表，竞赛有判分器，去噪有真值。验证算得足够便宜的地方，机器已经自己往上爬了。

0.380876。小数点后第五位，一道悬了几十年的题，几百美元，一个开源模型。纪录榜的下一行还空着。

信源备注：论文 arXiv 2601.16175「Learning to Discover at Test Time」（v2，2026-02-05；首发 2026-01-22）摘要与全文核对，项目页 test-time-training.github.io；作者署名 Stanford/NVIDIA/Astera Institute/UC San Diego/Together AI（素材所列三机构为其一）；数字（0.380876/0.380927、2.06×/18%、567,062 vs 566,997、0.71 vs 0.64、每题几百美元、gpt-oss-120b、Tinker）均为论文与项目页原文；熵化目标与 PUCT 复用的表述按论文 3.2 节；「三次换工具」出自论文埃尔德什攻关段落；素材未标注论文时点，实为今年 1 月发布的工作。