KAUST 研究揭示：用自生成文本做测试时训练会系统性损害模型

测试时训练（TTT）让模型在推理时把信息写进权重，但用模型自生成文本做更新会形成反馈循环，KAUST 研究显示这会系统性损害模型对独立人类文本的预测。该损害在 128K token 流、三个 TTT-E2E 配置（125M/760M/3B）及对 Qwen3-4B 用 Adam 更新时均复现，改用冻结模型生成训练块（Fixed Generation）可消除 98% 以上损害。