无需SFT也不用RL，样本级推理优化神器SLOT来了，准确率轻松+10%

近期，当很多人还在纠结用什么 label 和 reward 训练大模型的时候，以及纠结用什么样的基准模型进行公平比较的时候，西湖大学 MAPLE 实验室另辟蹊径：既然 LLM 在复杂指令上表现不佳，需要引入单独的 SFT 或者 RL 过程，那为什么不让模型在推理时「临时学习」一下这 个具体的问题呢？这个看似「离谱」的想法，竟然带来了惊人的效果提升。 试想一下，如果你参加考试时，可以在答题前花几秒钟「适应」一下这道具体的题目，你的表现会不会更好？ 这正是西湖大学研究团队在最新论文中提出的核心思想。他们开发的 SLOT（Sample-specific Language Model Optimization at Test-time）方法， 把每个输入 prompt 本身当作一份「迷你训练数据」 ，让模型在生成答案前先「学习」理解这个具体问题。 更令人惊讶的是，这个方法 简单到离谱 ： Qwen2.5-7B 在 GSM8K 数学推理任务上准确率从 57.54% 飙升至 66.19% ，提升 8.65 个百分点。 DeepSeek-R1-Distill-Llama-70B 在 GPQA Diamond 上达到 68. ...