学会在测试时学习：具有可学习自适应策略的语言智能体

测试时学习（TTL）使语言智能体能在推理阶段通过与环境交互迭代优化性能。现有方法依赖固定的人工设计自适应策略，而非针对下游任务进行优化。本文主张最优策略应从任务环境中习得，并提出 Meta-TTL 框架，将有效策略的发现建模为双层优化问题。内环执行标准 TTL 过程，外环利用进化搜索在多样化任务分布上迭代 refine 自适应策略。实验表明，该方法在多个基准上均优于人工基线，且具备泛化能力。