自我改進測試時智慧綜述：推理階段基於反饋的適應、學習與擴充套件
這篇論文提出“反饋驅動的測試時智慧（TTI）”統一框架，用來理解模型在部署/推理過程中基於測試時訊號和額外計算進行的自我改進。它把測試時適應、測試時學習和測試時擴充套件串聯起來，總結了兩類主要技術路線，並橫跨視覺、語言、多模態、生成模型、機器人及醫療健康等領域梳理代表性方法、應用與開放挑戰。
傳統上，AI 系統一經訓練完成，推理階段往往只是機械地執行固定權重，測試時不再“學習”。但這種模式正被重新審視。面對不斷變化的部署環境、資料分佈偏移和複雜任務，越來越多研究希望模型能在使用過程中根據測試時資訊與額外計算即時改進自身行為。然而，相關探索形成了多種路徑：一部分方法著眼於修改模型內部狀態，另一部分方法則透過增加取樣、引入工具等方式消耗更多推理資源來獲得更好的答案。由於研究社群和術語彼此隔離，這些路徑的內在聯絡常常被忽略。
為了彌合這種割裂，這篇由 Shuaicheng Niu 等 17 位作者完成的綜述提出“反饋驅動的測試時智慧（Test-Time Intelligence, TTI）”的統一視角。TTI 把部署期間藉助反饋訊號和計算資源提升模型表現的方法納入同一框架，並把測試時適應（test-time adaptation）、測試時學習（test-time learning）與測試時擴充套件（test-time scaling）聯絡起來。作者指出，三者各有其目標與機制：適應通常處理分佈變化或新場景，學習側重於從測試時訊號中更新模型的知識與狀態，擴充套件則強調透過更大的推理開銷與工具使用帶來更穩健的輸出。現實中，越來越多混合系統將三類做法結合，使邊界逐漸模糊。
在這篇論文中，作者系統梳理了 TTI 的主要方法學正規化，重點比較了兩條技術主線：一是利用測試時訊號調整模型的內部狀態，二是利用額外推理時資源改善預測，如更充分的取樣、自一致性與外部工具呼叫。這兩條主線並不互斥；混合系統既可以針對測試樣本做快速適應，也能在推理時進行多輪搜尋與反饋，從而同時獲得模型自主調整和計算擴充套件帶來的收益。
該綜述將統一視角延伸到多個應用領域，包括計算機視覺、自然語言處理、多模態學習、生成模型、機器人學和醫療健康。在視覺任務中，測試時更新有助於應對域偏移；在語言及多模態場景中，推理時自我校正與工具呼叫成為提升可靠性的一條途徑；生成式模型與機器人系統則面臨連續決策和狀態依賴等獨特需求；醫療領域的魯棒性與安全性也對 TTI 提出了更高的要求。
論文以 arXiv:2609.01679 的形式於 2026 年 9 月釋出，並已被 Machine Intelligence Research 接收。作者在摘要中表示，希望透過這一框架連線過去分散的研究，併為構建在測試階段能夠自我完善的 AI 系統提供連貫的基礎和研究路線圖。對研究者和從業者而言，TTI 框架有助於比較不同方法的前提假設、適用邊界和計算成本，也為未來設計自適應模型、智慧體或生成式系統的推理過程提供了更清晰的參考。