跳转至

Learning What to Remember: Test-Time Training via Context Distillation

复现级别：核心机制 mini-suite。 本地只验证论文可独立实现的算法路径，不把小规模 NumPy 实验冒充原论文规模训练或线上结果。

论文信息

字段 内容
论文链接 arXiv 2608.01672
公司/机构 Princeton University
第一作者 Zixuan Wang
首次公开日期 2026-08-03（arXiv v1）
原文开源代码 是：ttcd
Adapter ttcd
本地复现代码 src/auto_research/reproductions/ttcd/

原始论文总结

背景与主要改动

长窗口教师以隐藏状态差异监督短窗口学生的 fast weights，使有限记忆优先保留未来有用信息。

flowchart LR
  X[固定公开 mini-suite] --> B[recent-window 对照]
  X --> M[ttcd 核心机制]
  B --> E[同样本评测]
  M --> E

原论文关键图

Learning What to Remember: Test-Time Training via Context Distillation 原论文 Figure 1

原论文 Figure 1（关键图）：展示原论文方法的总体设计和关键组成。图片来自原论文，版权归原作者所有；点击图片可查看来源。

核心公式

\[ \mathcal L_{TTCD}=\sum_t\lVert h_t^{long}-h_t^{fast}\rVert_2^2 \]

论文离线与线上效果

IP-TTCD 在长上下文语言建模中持续优于 DeltaNet、Gated DeltaNet、滑窗注意力和 TTT。 这是原文口径；若原文没有工业 A/B，本页不会把本地结果写成线上收益。

本地复现

本地对照口径：基线为同样本 recent-window attention，实验组为 ttcd；单 seed 变化为 +78.12% 个百分点。

同一 seed、同一 64 条样本上，recent-window attention baseline accuracy 为 0.0781，ttcd 为 0.8594，绝对变化 +78.12 个百分点。单篇原始指标见 metrics/public-seed42.json，批次索引见 ../../experiments/historical-b07-b11-seed42.json。

auto-research reproduce --paper ttcd --seed 42

复现边界

本地使用固定长上下文/多模态/评测 mini-suite，未训练论文规模 checkpoint、未实现定制 CUDA kernel，也未复刻论文完整公开 benchmark。该实现用于确认核心数据流、公式和相对计算路径可执行。