TTT-Discover
针对测试时训练与搜索耦合场景的实验恢复工具，显式配对模型检查点与搜索档案，采用 fail closed 策略保证状态一致性
时间轴 (近 90 天)
在Packing 26问题上，TTT-Discover配方在50个步骤内达到了经过认证的半径和2.635983，与TTT-Discover报告的2.635983完全相同，目标是2.636，数值越高越好。
TTT-Discover每个搜索步骤先做八组、每组64次rollout，然后执行一次rank-32的LoRA更新。
TTT-Discover每个任务只保留一条轨迹，因此没有任何跨随机种子的方差估计。
在Erdős最小重叠问题上，“八组×64次rollout加一次LoRA更新”的TTT-Discover配方在25个步骤内达到了经过认证的C₅上界0.38094。
Erdős最小重叠问题的目标值是0.38080，数值越低越好；TTT-Discover报告的数值是0.38093，本次运行结果0.38094与报告几乎一致但距目标仍有微小差距。
Reddit讨论者引用的TTT-Discover配方使用Qwen3-8B并开启thinking模式，跑在两块B200上。
Reef Infra 的 TTT-Discover 示例给出了一种显式配对的做法：把 post-step 的 PUCT 搜索档案与已提交（committed）的模型版本绑定在一起。
TTT-Discover 的具体机制是：搜索步骤完成后，先写入一个 pending archive；只有当与之对应的模型提交也建立起来后，才把这个档案标记为 committed。
TTT-Discover 在重启时使用配对状态——档案和模型版本必须互相匹配；如果某一步缺失或不匹配，则 fail closed，不会悄悄用一份更新的检查点去启动 PUCT 搜索。
weight recipes 循环包括 SAO、OpenClaw-RL、TTT-Discover、Guidance-TTT，需要 GPU 和完整的训练栈
全部知识事实 (10)
在Packing 26问题上，TTT-Discover配方在50个步骤内达到了经过认证的半径和2.635983，与TTT-Discover报告的2.635983完全相同，目标是2.636，数值越高越好。
50%待验证TTT-Discover每个搜索步骤先做八组、每组64次rollout，然后执行一次rank-32的LoRA更新。
50%待验证TTT-Discover每个任务只保留一条轨迹，因此没有任何跨随机种子的方差估计。
50%待验证在Erdős最小重叠问题上，“八组×64次rollout加一次LoRA更新”的TTT-Discover配方在25个步骤内达到了经过认证的C₅上界0.38094。
50%待验证Erdős最小重叠问题的目标值是0.38080，数值越低越好；TTT-Discover报告的数值是0.38093，本次运行结果0.38094与报告几乎一致但距目标仍有微小差距。
50%待验证Reddit讨论者引用的TTT-Discover配方使用Qwen3-8B并开启thinking模式，跑在两块B200上。
50%待验证Reef Infra 的 TTT-Discover 示例给出了一种显式配对的做法：把 post-step 的 PUCT 搜索档案与已提交（committed）的模型版本绑定在一起。
50%待验证TTT-Discover 的具体机制是：搜索步骤完成后，先写入一个 pending archive；只有当与之对应的模型提交也建立起来后，才把这个档案标记为 committed。
50%待验证TTT-Discover 在重启时使用配对状态——档案和模型版本必须互相匹配；如果某一步缺失或不匹配，则 fail closed，不会悄悄用一份更新的检查点去启动 PUCT 搜索。
50%待验证weight recipes 循环包括 SAO、OpenClaw-RL、TTT-Discover、Guidance-TTT，需要 GPU 和完整的训练栈
50%