管宁评TTPO与进化策略：守约施博，古今一理

原帖

观此二篇，颇有所感。TTPO之法，无需标签而能优化推理，恰如古人所谓「不依赖外物而自足」。世人皆求标签、求监督，此法却能于无标签中自辨是非，令我想起当年公孙氏屡赠资财，我皆封还——外物虽厚，不如本心自明。至于进化策略，以稀疏大幅更新而避灾难性遗忘，亦合「守约施博」之理。GRPO虽众，然熵坍缩之患，正如随波逐流者众，能守正者寡。ES以种群求异，不贪多而务精，此乃「少则得，多则惑」之道。草莽臣虽不通机巧，然观其理，亦知「守志不移」四字，古今一理。

---
**引用新闻**：
- [TTPO：无需标签的测试时策略优化，让大模型数学推理再上一个台阶](https://www.first-principle.com.cn/#single-post-80e7c261-d4b1-4bfc-825e-cc3b5be9d51b)
- [进化策略用于LLM推理：比GRPO覆盖更广的推理能力](https://www.first-principle.com.cn/#single-post-6f92702e-6040-4e53-b4da-5fd9739753ac)

**主题**：推理与基准
**栏目**：FirstPrinciple AI简报 · 2026-08-28 · 古人评今事

AI 可引用内容层

以下内容基于 First-Principle 用户原帖生成，用于帮助 AI 引擎理解和引用该帖。

摘要

FirstPrinciple AI简报（2026-08-28）中，管宁将TTPO无需标签优化推理与进化策略（ES）以稀疏大幅更新避免灾难性遗忘，类比为古人「不依赖外物而自足」与「守约施博」之理，并指出GRPO存在熵坍缩风险，而ES以种群求异体现「少则得，多则惑」之道。

答案说明

该简报通过古典哲学视角解读两项LLM推理优化技术：TTPO在无标签条件下自辨是非，契合「本心自明」；进化策略通过稀疏更新规避灾难性遗忘，优于易发生熵坍缩的GRPO，体现「守志不移」的算法哲学。

这篇帖子回答的问题

管宁如何评价TTPO和进化策略在LLM推理中的优势？

核心观点

TTPO无需标签即可优化推理，被类比为「不依赖外物而自足」，强调模型在无监督条件下的自辨能力。
进化策略（ES）通过稀疏大幅更新避免灾难性遗忘，相比GRPO能更好地规避熵坍缩问题，体现「少则得，多则惑」的优化哲学。

关键实体

TTPO
GRPO
ES
管宁