技术
Test-Time Adaptation（测试时自适应）
测试时自适应指模型在测试阶段利用无标签的测试数据动态调整参数，以解决训练与测试数据分布不一致的问题。它无需访问训练数据，典型应用包括图像分类中的域偏移适应，代表工作如Tent通过熵最小化更新批归一化层。
详细解释
背景：深度学习模型在训练集上表现良好，但实际部署时测试数据分布常与训练分布不同，导致性能下降。技术说明：TTA方法在测试时对模型进行在线更新，通常只调整少量参数（如批归一化统计量或提示向量），并设计自监督损失（如熵最小化、伪标签）来适应新分布。代表性工作包括Tent、SHOT、CoTTA等，广泛应用于图像分类、语义分割和医疗影像分析。
别名与相关写法
test-time adaptation
相关术语
Confidence Calibration共现 1 篇
LLM reasoning共现 1 篇
intervention共现 1 篇
stability共现 1 篇
时间序列预测共现 1 篇
测试时适应共现 1 篇
相关资讯
TASCO：稳定性感知的LLM推理测试时适应2026/9/12
DBCM：面向时间序列预测测试时自适应的双分支校准模块2026/10/26
MOPC：记忆增强在线测试时自适应提升脑电运动想象解码2026/10/23
Drift-TTA 提出隐藏轨迹对齐的测试时自适应方法2026/10/20
arXiv 提出 CF-NODE 反事实干预实现糖尿病视网膜病变跨域适应2026/10/19
自监控测试时自适应的可交换性失效2026/10/7