Des chercheurs adaptent un modèle au test et n’optimisent que des paramètres de biais, sans étiquettes
1 sourcemis à jour il y a 6 jpertinence 3,0 sur5
L’essentiel
La méthode optimise environ 100 000 paramètres de biais avec des pseudo-étiquettes par vote majoritaire. Avec Qwen2.5-7B, elle atteint 76,67 % sur MATH-500, avec 76 000 fois moins de paramètres optimisés que le TTRL complet.
Propagation1 article, publié par HF Daily Papers le 1 oct..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceNaveen Vakada, Mingyuan Li, Shaoxiong Jihuggingface.co
Label-free steering: Compressing test-time reinforcement learning into bias-only subspaces (site externe)
Test-time reinforcement learning (TTRL) enables models to improve their reasoning without relying on labeled training data, but existing approaches typically optimize a large fraction of the model parameters.
Sur les mêmes thèmes
Recherche
Xiaomi publie MiMo-V2.6-Pro, un modèle open-weights omnimodal de 1 000 milliards de paramètres
Recherche
Xiaomi MiMo publie MiMo-V2.6-Distill-Qwen-9B, un modèle agentique de 9 milliards de paramètres
Recherche
Reflection dévoile Beam, un modèle d’IA de 501 milliards de paramètres
Recherche
OpenAI publie 722 manuscrits de mathématiques issus d’un modèle interne non diffusé
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5