测试时记忆进化能否在科学发现中超越测试时训练？
TLDR
提出测试时记忆进化（TTME），高效替代TTT，在五个数学任务上超越TTT且计算成本更低。
评分理由
The paper presents a clear, computationally efficient method and provides a controlled comparison against TTT, showing consistent improvements across multiple tasks. However, the evaluation is limited to mathematical benchmarks, and the abstract provides little detail on the memory mechanism or generalization to broader scientific domains.
Read-first 评分解释
综合优先阅读分 29.8，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。 原始总分保留为 44。
研究版图角色
前沿论文
排序敏感性
稳定性：volatile；排名波动范围：34。
关键词评分
深度分析
创新点
- 提出了测试时记忆进化（TTME），一种即插即用的测试时适应方法，通过更新外部记忆而非模型权重来工作。
- TTME将经验蒸馏到外部记忆中，以指导后续发现，而无需在线权重更新。
- 提出了一种干净的比较协议，在相同的发现框架下仅替换测试时适应方法。
方法
TTME通过蒸馏经验持续更新外部记忆以指导后续发现，不同于执行在线权重更新的测试时训练。TTME和TTT在相同的发现框架下进行评估，仅替换测试时适应方法。评估使用五个数学任务，并报告性能、FLOPs和运行时间。
关键结果
TTME在所有五个数学任务上优于TTT，同时将计算成本降低82.8-84.6%的FLOPs和47.7-58.4%的运行时间。
局限性
- 摘要未明确说明除所评估的发现设置之外的限制。
- 结果仅在特定发现框架内的五个数学任务上报告，因此尚未确立更广泛的泛化性。