Guidance-TTT：测试时只训 8B 小模型，科学发现任务刷新 4 项最佳

MIT 等团队提出 Guidance-TTT：测试时只在线训练 8B 小模型提出高层策略，冻结的大模型把策略转成可执行代码，再用自适应组相对 RL 目标更新小模型。该方法避开大模型测试时训练的高昂成本，仅用开源权重、无联网检索，在 4 个科学发现任务上超过已报道最佳结果，论文与代码均已开源。