随着大语言模型（LLM）的发展，业界共识已从单纯的「预训练扩大参数」转向挖掘测试时扩展（Test-Time Scaling）的潜力。 论文标题： TTCS: Test-Time Curriculum Synthesis for Self-Evolving 论文链接：https://arxiv.org/abs/2601.22628 项目代码：https://github.com/XMUDeepLIT/TTCS HuggingFace 主页：https://huggingface.co/papers/2601.22628 在 DeepSeek-R1 和 OpenAI o1 引领的「后训练（Post-Training）」与「测试时扩展」（Test-Time Scaling）」时代，如何利用测试时的算力进行有效训练成为焦点。 然而，面对极难的测试题，现有的测试时训练（Test-Time Training, TTT）往往因伪标签噪声大而陷入「瞎猜」的困境。 厦门大学 DeepLIT 课题组 提出了一种全新的测试时课程合成框架 —— TTCS (Test-Time Curriculum Synthesis) 。该框架不依 ...