标签
论文提出了无标签的仅偏置 TTRL 方法，使用多数投票伪标签作为奖励信号，在冻结骨干网络的前提下仅优化约 10 万个偏置参数，使用 Qwen2.5-7B 在 MATH-500 上达到 76.67% 的准确率，并可迁移到视觉-语言与音频推理任务。