TTSR：面向持续推理提升的测试时自我反思

测试时训练利用测试问题实现模型适应，是提升大语言模型推理能力的有效范式，但面临伪标签不可靠及缺乏针对模型弱点适应机制的挑战。为此，本文提出 TTSR，一种自反思的测试时自我进化训练框架。该框架使单一预训练模型在测试时交替扮演“学生”与“教师”角色：学生负责解题并从合成变体中学习，教师则分析失败轨迹、总结推理弱点并生成针对性变体问题。实验表明，TTSR 能持续提升数学推理性能，并在不同模型骨干上具有良好的泛化性。